Download oc_chamber - download do código fonte oc

oc_chamber

Outro código-fonte

1.0.0

Baixar

Câmara de Condicionamento Operante

O condicionamento operante é um paradigma clássico usado na psicologia experimental no qual os animais aprendem a realizar uma ação para obter uma recompensa. Ao utilizar este paradigma, é possível extrair curvas de aprendizagem e medir com precisão os tempos de reação. Aqui descrevemos um dispositivo totalmente imprimível em 3D que é capaz de realizar o condicionamento operante em ratos que se movem livremente, enquanto realiza o rastreamento em tempo real da posição do animal.

Montagem e instalação

Você pode encontrar modelos impressos em 3D aqui ou aqui.
Em figuras/EXPLODED VIEW.jpg há um diagrama intuitivo do esquema de montagem. Imprimimos todos os componentes em Cura 4.0 com resolução média (100 µm), velocidade de 90 mm/s e preenchimento de 20%. O design da câmara OC é bastante simples, portanto quase todas as impressoras são suficientemente precisas para imprimir com sucesso toda a câmara.

Uma lista de todos os componentes pode ser encontrada aqui: Lista de materiais

Peças impressas em 3D

CÂMARA DE OC
- arena: arena principal
- arena_holes: arena principal com buracos no chão
- barreira_posterior: barreira posterior para ratos jumpig
- frontal_wall_LED: parede de interface para matriz de LED
- frontal_wall_LCD: parede de interface para tela LCD
- mask_dots: máscara para matriz de LED
- touch_sensor: botão
CÂMERA
- cam_barrier: suporte de câmera com barreira frontal para ratos saltadores
- cam_ladder: braço impresso em 3D
- cam_holder: suporte para câmera
ENTREGA
- delivery_base: suportes para seringas e motores
- delivery_motor2thread: rosca para adaptador de motor
- delivery_piston: pistão de seringa

Além disso você precisa de:

um capacitor de 1000 µF
dois resistores de 25 Mohm para os botões de toque
um resistor de 220 ohms para a matriz de LED
um pedaço de fio M8 (~15 cm) para entrega de recompensa

Conecte todos os componentes conforme descrito em figure/diagram_scheme.png

Para instalar o software no Raspberry Pi(RPI) basta baixar ou copiar todo o código em uma pasta do Raspian OS.

Bibliotecas necessárias

Pitão

picamera
pySerial
openCV
Tkinter

Arduíno

Sensor capacitivo
Adafruit_NeoPixel
Passo a passo

Configuração do Arduino

Compile e carregue no Arduino UNO o sketch chamado skinner.ino

Calibração de Sensores Capacitivos

Para calibrar os limites dos sensores capacitivos, carregue o esboço do Arduino chamado skinnerCapacitiveTest. Esta função apenas imprime os valores do sensor capacitivo da porta serial. É útil definir o valor limite adequado para detectar toques do mouse.

Executando código Python

Para executar o tipo de código no terminal:

 cd h ome p i o c_chamber          \ or replace with the folder path containing the scpript
python3 cvConditioningTracking.py

Como alternativa, abra cvConditioningTracking no IDLE IDE e pressione F5.

O usuário pode customizar alguns dos parâmetros de baixo nível dos experimentos editando o valor das variáveis nas primeiras 25 linhas do arquivo cvConditioningTracking.py. Uma explicação mais detalhada desses parâmetros é fornecida no próprio arquivo.

A câmara pode realizar experimentos em 2 modos: modo Treinamento e modo Permutação . O usuário pode selecionar um dos dois modos editando o parâmetro task no arquivo cvConditioningTracking. Os detalhes e diferenças dos 2 modos podem ser encontrados no artigo.

GUI de informações do experimento

No início dos experimentos, o usuário é apresentado a uma GUI que coleta algumas informações básicas sobre os experimentos que estão prestes a ser executados.

Captura de tela da GUI para selecionar algumas informações básicas do experimento.

Assunto: Uma string contendo um identificador para o mouse atual. Se deixado em branco, nenhum arquivo será salvo.
Caminho do arquivo: Local para salvar o arquivo do experimento. A saída consiste em dois arquivos .txt contendo o conjunto de dados do experimento conforme descrito na seção conjunto de dados, armazenados nas pastas DATA e DATAtracker. O usuário pode procurar um local no PC; se o campo for deixado vazio, o padrão é o diretório de trabalho atual.
Nome do arquivo REC: Uma string contendo o nome a ser usado para salvar a gravação de vídeo. Se deixado em branco, nenhum arquivo será salvo.
Caminho do arquivo REC: Local para salvar a gravação do vídeo com uma sobreposição contendo a posição do mouse e a área ativa. O usuário pode procurar um local no PC; se o campo for deixado vazio, o padrão é o diretório de trabalho atual.
Condições: Condições experimentais. A lista de estímulos que serão apresentados no experimento. Uma ou mais condições, divididas por vírgula, podem ser especificadas:
- certo: ponto certo
- esquerda: ponto esquerdo
- ambos: pontos à direita e à esquerda simultaneamente
Todas as condições especificadas aqui serão apresentadas em ordem aleatória.
Critério: Número de frames necessários para que o mouse permaneça na área ativa para ativar um teste. 20 quadros = 1 segundo
Nível: Selecione a posição vertical da linha que separa a área ativa da câmara da inativa. O valor é normalizado para a altura da câmara. 0 = parte inferior da câmara, 1 = parte superior da câmara, 0,5(padrão) = meio da câmara
Calibração: Número de quadros a serem utilizados no início do experimento para calibração da câmera. Calibrar a câmera no início do experimento é importante para rastrear melhor o mouse sobre o fundo.

Outras configurações

Outras opções de personalização estão disponíveis editando as primeiras linhas dos seguintes arquivos:

cvConditioningTracking (para alterar parâmetros de visão computacional e tipo de procedimento entre TRAINING ou PERMUTATION )
skinner (permanência do estímulo, limite do botão)
skinnerCapacitiveSensor (altere o botão para verificar e o limite)

LCD_oc_chamber

Para permitir o uso de estímulos visuais mais complexos, você pode encontrar uma versão backbone do código que funciona com um display LCD. Para executar o código é necessário Psychopy2. Para instalar o Psychopy no RPI siga estas instruções. Depois que o Psychopy estiver instalado, abra cvConditioningTracking.py no IDE do Psychopy e execute o código. Este código contém um módulo chamado LCD.py que pode ser usado para mostrar imagens selecionadas. Por enquanto, o código é um esboço, uma versão não testada e executado para fins demonstrativos.

Atalhos de teclado

p : sai do programa (pressionar a tecla p pula a calibração da câmera quando na fase de "calibração da câmera", caso contrário fecha o programa)
s : interromper um teste

Conjunto de dados

A pasta Dataset contém nossos dados brutos, descritos neste artigo, com 6 assuntos. Cada assunto está contido em sua própria pasta e codificado segundo o esquema: CAGE-LABEL-GENO. Além disso, existem dois Jupyter Notebooks com um exemplo de como você pode ler arquivos de saída txt em Python como dataframes do pandas.

dados: contém pastas que representam assuntos. Na pasta existem arquivos .txt com campos
- Evento - o tipo de evento (ambos, único)
- Resposta - a resposta fornecida pelo sujeito (ambos_sx,ambos_dx,sim,não)
- TR - Tempo de reação
- Hora - Carimbo de data e hora
data_track: contém o rastreamento em tempo real da posição do animal. A primeira linha representa as bordas da arena (reto x, y, x+largura, y+altura). O resto das linhas contém
- carimbo de data / hora - carimbo de data / hora
- coordenada x - x
- coordenada y - y
- evento - tipo de evento (ambos, esquerda, direita)