小鼠AI步态分析系统
专为神经科学、疼痛研究及药物开发领域设计，是一款集高清成像、自动化分析与丰富参数检测于一体的专业科研设备。利用先进的AI算法与高速相机，精准捕捉并分析小鼠在自由运动状态下的步态特征，为帕金森病、阿尔茨海默氏症等模型的早期运动功能评估提供客观、量化的数据支持
电话咨询
021-35183767
  • 产品详情
  • 产品特点
  • 更多推荐
产品详情
Product Details
Ugo Basile小鼠AI步态分析系统是新一代、全自动的桌面步态分析系统，专为检测啮齿动物步态变化设计，具有无与伦比的易用性和超高识别准确率。该设备由专用AI算法驱动，能够识别传统工具可能遗漏或需要大量手动校正的细微步态变化以及年龄或疼痛相关的步态变化，在无需人工检验的情况下，准确识别每个爪印并自动计算指标。系统可广泛用于神经退行性疾病、疼痛炎症、衰老、镇痛或神经保护药物研发等研究中。
产品特点
Product Features
先进AI技术，检测准确度高：软件基于先进AI技术，采用数千帧包含正常步态和异常步态的定制小鼠训练数据，可准确自动检测、标记鼠爪、身体、尾部等区域，区分掌部与爪部，无需人工标记或修改。

高清相机+AI识别，空间分辨率高：专业120fps、4K、无畸变运动相机，精准捕捉小鼠足迹影像，影像分辨率高；搭配高性能AI算法，自动准确识别鼠爪的脚掌、脚趾，无需人工标记即可区分单根脚趾，获取相关指标；

自动化实验，减少重复劳动：仅需将小鼠放入一侧笼盒，让动物在步道内自由移动，软件自动检测动物运动状态，自动选择、剪切获取高质量的步行轮次片段，无需人工筛选、重复移动小鼠。

支持批量分析，节省实验时间：全自动分析，无需人工标记、检查，每个步行轮次片段分析时间≤1min，即可获取全部指标，支持边采集边分析以及批量分析所有合格步行轮次。

自动识别脚趾

            自动化实验

应用领域

常用于神经退行性疾病、疼痛炎症及纵向研究，能在明显症状出现前检测早期运动功能变化，为更早、更有效的干预提供数据支持。

帕金森病阿尔茨海默氏症亨廷顿舞蹈症ALS创伤性脑损伤脊髓损伤周围神经损伤关节炎异常性疼痛衰老研究

检测参数丰富

四足时间参数

步态周期、支撑相时间及占比、步频、推进时间、制动时间等

四足空间参数

步幅、步长、步宽、足印长度、足印宽度等

四足压力参数

足印面积、平均强度等

身体/尾部参数

身体面积、身体朝向角度、尾部长度、尾部灵活性、尾部偏侧性等

综合参数

速度、路径效率、足印强度互相关性等

脚趾相关参数

足趾延展度、中趾延展度、足印角度、坐骨神经功能指数等

可视化图表

足印墨迹图、步序图、足印面积图、足印强度图等


技术参数

项目参数
控制系统PC软件控制
检测原理受抑全反射法
分析方式AI自动检测分析，无需人工标记
相机参数帧率120fps，分辨率4K
步道尺寸65×5.5×12.5 cm
安全盒内尺寸12×8×8 cm
整体尺寸（不含电脑）96×56.5×46 cm
数据导出.xlsx格式，可用Excel打开或导入统计分析软件