自主机器人钻孔系统用于小鼠颅窗制作：以鸡蛋模型为评估
本文介绍了一种基于虚拟老鼠的平台，用于研究人工模型的运动活动，研究表明该模型使用两类表示方法分别编码特定于任务的行为策略和任务不变的行为运动学，以及描述了使用神经习性学方法研究不同层次的神经网络在行为观察和目标下的算法，并指出虚拟老鼠便于深度强化学习和运动神经科学之间的合作。
Nov, 2019
本研究提出一种基于深度学习的方法，用于分割荷兰斑带兔胎儿的微 CT 图像中的骨骼结构，以协助评估药物诱导的骨骼异常，实现毒理学研究的必备环节。
May, 2023
本文提出了使用 Lift-Pose 模型从单视角摄像机视图中对自由运动啮齿动物进行可靠的三维姿态估计，并评估了两种模型结构的性能。通过这项工作，我们希望为神经科学社区中广泛范围的实验和设置的自由运动啮齿动物的更健壮和多样化的行为追踪做出贡献。
Jun, 2021
通过深度神经网络的迁移学习方法，本论文提出了一种高效的无标记跟踪方法，可以在不同的实验环境中跟踪动物不同的身体部位，尤其在少量训练数据的情况下也能获得很好的跟踪效果。
Apr, 2018
通过新的 sim2real 域转移方法，我们在未配对的图像转换框架中对外观、形状和姿势进行了显式和独立的建模，并在无需手动注释目标域的情况下，在 Drosophila melanogaster（果蝇）、Caenorhabditis elegans（蛔虫）和 Danio rerio（斑马鱼）上实现了改进的姿势估计准确性，从而捕捉神经回路编排行为的姿势。
Jan, 2020
通过仿效哺乳动物中央运动系统机制，我们提出了一种神经启发的分层强化学习算法，使得机器人能够学习丰富的运动技能并将其应用于复杂的任务环境中，而不依赖外部数据。
Nov, 2023
通过模板训练方法，使用一种人口平均脑 MRI 模板和相关分割标签，从头开始训练 3D U-Net 模型，在视觉感知增强和减轻过拟合的基础上，实现对鼠、大鼠、印度狨猴、恒河猴和人类脑 MRI 进行头骨去除、脑分割和组织概率映射等分割任务的训练，有效解决数据有限的问题，扩展深度学习在图像分析中的应用，为研究人员提供了仅需一张图像样本即可训练深度神经网络的统一解决方案。
Aug, 2023
本论文提出了一种名为 Vox2Cortex 的基于深度学习的算法，直接从 MRI 扫描中提取顶部正确且三维网格化的大脑皮层界面，相较于传统和基于深度学习的算法更快速、更精准。
Mar, 2022
研究者提供了工具来研究老鼠在家庭笼环境中的行为，包括使用自动分类老鼠行为的 ALM 以及使用置换矩阵来匹配每个笼子中老鼠身份的 Group Behaviour Model，为生物学家提供了捕捉个体行为和模拟笼友间互动关系和相互依赖性的可能性。
Jun, 2023