LoliTrack5是一款超級快速直觀的Windows軟件，用于2D和3D視頻跟蹤和動物行為分析。簡單地，從你的相機加載一個視頻文件到軟件，并開始跟蹤。跟蹤是基于對比或背景減法(不需要標記)，并且具有豐富的工具模塊可用于深入分析動物行為。

獨特的是，LoliTrack5可以在處理遮擋(即交叉軌跡)時識別和跟蹤自由放散的群體，如魚群、蟲群或群體中未標記動物等。

LoliTrack5 的應用：

·微孔板分析(如對斑馬魚分析)

·行為表型(病灶動物)

·嚙齒動物試驗(例如在迷宮或露天野外試驗)

·群體行為(如昆蟲、浮魚和微生物)

·移動行為(例如在籠子，水族館和野外)

·社會和性行為(如IID和動物取向)

使用方式：

LoliTrack5適用于大多數(shù)相機和視頻文件格式。只需用相機錄制一個視頻文件，并將視頻加載到軟件中開始跟蹤。該軟件也具有視頻錄制和編輯工具，使用方便，一站式解決。

使用標配或自備的視頻采集設備采集到動物的運動圖像，導入到LoliTrack5中進行識別和分析，即可輸出分析數(shù)據(jù)，可分析參數(shù)包括如：位置、速度、加速度、方向、旋轉(zhuǎn)等。

產(chǎn)品特點：

1.同時追蹤1-24只動物（一個單位容器）

2.支持多個單位容器同時追蹤，如24、48、96孔板等

3.兼容大多是相機和視頻格式

4.具有豐富的分析工具集，可分析20+個數(shù)據(jù)參數(shù)

5.確定具體的身體點進行運動和運動學研究

6.生成并導出數(shù)據(jù)參數(shù)和分布熱圖

7.具有可定制圖形的深度分析工具

8.可用頻率分析估計心率和鰓頻率

9.真正的三維跟蹤導出坐標和三維路徑

10.批量分析多個視頻，節(jié)省時間

分析參數(shù)：

1.加速度

2.移動距離

3.速度和速度

4.激*/非激*時間和%

5.到區(qū)域中心的距離

6.在區(qū)域中花費的時間和百分比

7.運動方向和方向

8.轉(zhuǎn)動速度:移動或方向的轉(zhuǎn)動速度

9.動物到區(qū)域中心的距離

10.個體間距離(IID)

11.平均個體間距離(AIID)

12.個體間距離中位數(shù)(MIID)

13.*近鄰距離(NND)

14.彎曲(即身體擺動的角度，如尾拍頻率等)

15.前、后、中線中心和重心的原始和校準的X/Y位置

軟件功能示例：

可以選擇單個的動物進行跟蹤和分析，而不是必須跟蹤所有的動物。自定義名稱和標簽顏色，便于識別。還可以在視頻時間軸上選擇用戶自定義的時間間隔，以排除特定的視頻片段進行跟蹤。

如果您想要分析特定感興趣區(qū)域內(nèi)的動物行為，可以直接在視頻預覽中繪制任意數(shù)量的區(qū)域。對每個區(qū)域的行為進行評分，并自動導出每個區(qū)域的統(tǒng)計數(shù)據(jù)。

識別特定的身體點(尾巴、頭部、中線中心、重心)，并可以單獨跟蹤每個點，用于研究運動學(尾部拍頻、身體振蕩等)或特定行為(方向或運動方向、轉(zhuǎn)彎速率等)。其他有用的工具包括根據(jù)位置、速度、加速度、活動和轉(zhuǎn)彎速率生成動物的中線和熱圖。

您可以將所有數(shù)據(jù)參數(shù)導出為.xlsx文件到Excel，只需單擊一次。導出每個參數(shù)或選擇你需要的參數(shù)。在導出的文件中，您

可以獲得單個動物、動物組以及每個用戶定義的測試單元和區(qū)域的分析數(shù)據(jù)和原始數(shù)據(jù)。在LoliTrack5中，一些參數(shù)也可以作為可定制或作為圖形導出。

通過兩個攝像頭或文件(立體技術(shù))，LoliTrack5提供了在空氣或水中的焦點動物的真實3D視頻跟蹤，考慮到空氣到水的光傳輸因素。坐標以及軌跡的數(shù)字3D模型可以以不同的格式導出，以便在其他軟件包中進一步可視化或分析。

相關(guān)文獻：

1) Alcaraz A J G, Baraniuk S, Mikulá?ek K, et al. Comparative analysis of transcriptomic points-of-departure (tPODs) and apical responses in embryo-larval fathead minnows exposed to fluoxetine[J]. Environmental Pollution, 2022, 295: 118667.
2) Di Cicco M, Di Lorenzo T, Fiasca B, et al. Effects of diclofenac on the swimming behavior and antioxidant enzyme activities of the freshwater interstitial crustacean Bryocamptus pygmaeus (Crustacea, Harpacticoida)[J]. Science of the Total Environment, 2021, 799:149461.
3) Wang X, Cheng E, Burnett I S, et al. Automatic multiple zebrafish larvae tracking in unconstrained microscopic video conditions[J]. Scientific reports, 2017, 7(1): 17596.
4) Henry J, Rodriguez A, Wlodkowic D. Impact of digital video analytics on accuracy of chemobehavioural phenotyping in aquatic toxicology[J]. PeerJ, 2019, 7: e7367.
5) 劉慧杰, 王從鋒, 劉德富, 等. 不同運動狀態(tài)下鳙幼魚的游泳特性研究[J]. 南方水產(chǎn)科學,2017, 13(2): 85-92.
6) Cruz-Rosa S, Pérez-Reyes O. Titanium Oxide Nanoparticles as Emerging Aquatic Pollutants: An Evaluation of the Nanotoxicity in the Freshwater Shrimp Larvae Atya lanipes[J]. Ecologies, 2023, 4(1): 141-151.
7) Rountos K J, Gobler C J, Pikitch E K. Ontogenetic differences in swimming behavior of fish exposed to the harmful dinoflagellate Cochlodinium polykrikoides[J]. Transactions of the American Fisheries Society, 2017, 146(5): 1081-1091.
8) Nay T J, Johansen J L, Habary A, et al. Behavioural thermoregulation in a temperature-sensitive coral reef fish, the five-lined cardinalfish (Cheilodipterus quinquelineatus)[J]. Coral Reefs, 2015, 34: 1261-1265.