oc_chamber下载 - oc_chamber源码下载

oc_chamber

其他源码

1.0.0

下载

操作调节室

操作性条件反射是实验心理学中使用的经典范例，其中动物学习执行某种动作以获得奖励。通过使用这种范例，可以提取学习曲线并准确测量反应时间。在这里，我们描述了一种完全可 3D 打印的设备，它能够对自由移动的小鼠进行操作性调节，同时对动物位置进行实时跟踪。

组装及安装

您可以在此处或此处找到 3D 打印模型。
在figures/EXPLODED VIEW.jpg中有一个直观的组装方案图。我们使用 Cura 4.0 以中等分辨率 (100 µm) 打印所有组件，速度为 90 mm/s，填充率为 20%。 OC 室的设计非常简单，因此几乎所有打印机都足够精确，可以成功打印整个室。

所有组件的列表可以在这里找到：物料清单

3D打印零件

OC室
- 竞技场：主竞技场
- arena_holes：主竞技场，地板上有洞
- barrier_posterior:跳跃小鼠的后屏障
- frontal_wall_LED： LED 矩阵的接口墙
- frontal_wall_LCD：液晶屏的接口墙
- mask_dots： LED矩阵的掩模
- 触摸传感器：按钮
相机
- cam_barrier：带有正面屏障的相机支架，用于跳跃的老鼠
- cam_ladder： 3D 打印手臂
- cam_holder：相机支架
送货
- Delivery_base：注射器和电机支架
- Delivery_motor2thread：电机适配器的螺纹
- Delivery_piston：注射器活塞

此外，您还需要：

1000 µF 电容器
两个 25 Mohm 电阻用于触摸按钮
用于 LED 矩阵的 220 欧姆电阻
一根 M8 螺纹（约 15 厘米）用于奖励递送

按照figures/diagram_scheme.png中的描述连接所有组件

要在 Raspberry Pi(RPI) 中安装该软件，只需下载或复制整个代码到 Raspian OS 的文件夹中。

所需的库

Python

皮卡梅拉
py串口
开放式CV
特金特

Arduino

电容式传感器
Adafruit_NeoPixel
步进机

Arduino配置

在 Arduino UNO 上编译并加载名为 Skinner.ino 的草图

电容式传感器校准

要校准电容式传感器阈值，请加载名为 SkinnerCapacitiveTest 的 Arduino 草图。该函数仅在串行端口上打印电容传感器值。设置适当的阈值有助于检测鼠标触摸。

运行Python代码

要在终端中运行代码，请输入：

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

或者在 IDLE IDE 中打开 cvConditioningTracking 并按 F5。

用户可以通过编辑文件 cvConditioningTracking.py 前 25 行中的变量值来自定义实验的一些低级参数。文件本身给出了这些参数的更详细说明。

该室可以以 2 种模式运行实验：训练模式和排列模式。用户可以通过编辑cvConditioningTracking文件中的参数任务来选择两种模式之一。两种模式的详细信息和差异可以在论文中找到。

实验信息图形用户界面

在实验开始时，系统会通过 GUI 提示用户，该 GUI 收集有关即将运行的实验的一些基本信息。

用于选择一些基本实验信息的 GUI 屏幕截图。

主题：包含当前鼠标标识符的字符串。如果留空，则不会保存文件。
文件路径：保存实验文件的位置。输出由两个 .txt 文件组成，其中包含数据集部分中所述的实验数据集，存储在 DATA 和 DATAtracker 文件夹中。用户可以浏览 PC 上的某个位置，如果该字段留空，则默认为当前工作目录。
REC 文件名：包含用于保存视频录制的名称的字符串。如果留空，则不会保存文件。
REC 文件路径：保存视频录制的位置，并覆盖包含鼠标位置和活动区域的内容。用户可以浏览 PC 上的某个位置，如果该字段留空，则默认为当前工作目录。
条件：实验条件。将在实验中呈现的刺激列表。可以指定一个或多个条件，用逗号分隔：
- 右：右点
- 左：左点
- 两者：同时在右侧和左侧点
此处指定的所有条件将以随机顺序呈现。
标准：鼠标停留在活动区域以激活试验所需的帧数。 20 帧 = 1 秒
水平：选择分隔腔室活动区域和非活动区域的线的垂直位置。该值被归一化为腔室高度。 0 = 腔室底部，1 = 腔室顶部，0.5（默认）= 腔室中部
校准：实验开始时用于相机校准的帧数。在实验开始时校准相机对于更好地跟踪背景上的鼠标非常重要。

其他设置

通过编辑以下文件的第一行可以使用其他自定义选项：

cvConditioningTracking （在 TRAINING 或 PERMUTATION 之间更改计算机视觉参数和程序类型）
Skinner （刺激持久性、按钮阈值）
SkinnerCapacitiveSensor （更改按钮检查和阈值）

LCD_oc_chamber

为了允许使用更复杂的视觉刺激，您可以找到适用于 LCD 显示屏的代码的主干版本。要运行代码 Psychopy2 是必需的。要在 RPI 上安装 Psychopy，请遵循以下说明。安装 Psychopy 后，在 Psychopy IDE 中打开 cvConditioningTracking.py 并运行代码。该代码包含一个名为 LCD.py 的模块，可用于显示选定的图像。目前，该代码是一个存根，一个未经测试的版本，运行用于演示目的。

键盘快捷键

p ：退出程序（在“相机校准”阶段按 p 按键会跳过相机校准，否则会关闭程序）
s : 停止试验

数据集

Dataset 文件夹包含我们的原始数据，如本文所述，有 6 个主题。每个主题都包含在其自己的文件夹中，并使用以下方案进行编码：CAGE-LABEL-GENO。此外，还有两个 Jupyter Notebooks，其中包含有关如何在 Python 中将 txt 输出文件读取为 pandas 数据帧的示例。

data：包含代表主题的文件夹。文件夹中有带有字段的 .txt 文件
- 事件 - 事件类型（两者、单一）
- 答案 - 主题提供的答案（both_sx,both_dx,yes,no）
- RT——反应时间
- 时间 - 时间戳
data_track：包含动物位置的实时跟踪。第一行表示竞技场的边界（矩形 x、y、x+宽度、y+高度）。其余行包含
- 时间戳 - 时间戳
- x - x 坐标
- y - y 坐标
- event - 事件类型（两者，左，右）