大小鼠挖掘精细行为分析系统可以通过多维度量化指标，区分挖掘行为减少的不同成因，将痛觉/运动损伤的影响与精神、动机层面的改变进行解耦。

一、区分核心逻辑

• 多参数交叉验证：系统不再仅统计“挖掘总时长/次数”这类单一结果指标，而是通过AI骨骼点追踪、动作序列拆解，同步输出动机、运动、痛觉三类独立维度的参数，通过不同维度的特征差异实现准确区分。

• 行为范式适配：挖掘作为啮齿类本能行为，无需训练即可同时反映动物的内在动机、前肢精细运动能力和痛觉感知状态，为三类成因的分离评估提供了行为学基础。

二、不同成因的典型区分特征

• 动机/精神层面改变的特征

• 核心指标：类型1主动挖掘频率显著下降（如抑郁模型下降50%），但前爪挖掘协调性、入沙角度、左右肢交替频率正常。

• 辅助特征：伴随刻板性挖掘时长占比异常升高（如强迫症模型占比超60%），动物整体运动距离、步长等基础运动参数无明显异常。

• 疼 痛/痛觉过敏导致的特征

• 核心指标：患侧前肢触地支撑时长缩短30%以上，挖掘入沙角度减小30%，前爪触地压力峰值下降40%，动物会主动规避患侧肢体受力。

• 辅助特征：总挖掘次数无明显下降，但挖掘动作幅度变小、患侧肢体参与度极低，双侧挖掘动作出现明显不对称。

• 肢体运动障碍导致的特征

• 核心指标：挖掘深度减少50%以上，前爪交替挖掘频率低于3次/秒，完整挖掘行为序列的占比大幅降低，动作连贯性、规律性显著下降。

• 辅助特征：动物整体自发运动距离显著减少（<1.5m/5分钟），双侧肢体运动参数均出现异常，而非单侧避痛式的不对称表现。

三、系统的技术支撑能力

• 14个关键点骨骼追踪：识别鼻尖、双侧前爪等精细位点，动作识别误差率从人工计数的25%降至5%以内，准确捕捉前肢动作的细微差异。

• 行为序列自动标注：AI自动区分“主动探索式挖掘”和“刻板重复挖掘”，过滤嗅闻、理毛等无关动作的干扰，避免主观误判。

• 多模态指标矩阵：同步输出动机类、运动协调类、痛觉感知类共数十项独立参数，通过交叉校验排除单一指标的混淆干扰。

四、主要应用领域

• 精神类病症模型评估：可准确捕捉强迫症、焦虑、抑郁模型动物的异常重复性挖掘行为，量化刻板行为、动机缺失等核心表型。

• 神经退行病研究：在阿尔茨海默病、帕金森模型中，通过挖掘行为特征区分动机缺失与运动功能障碍，作为早期病症进展的敏感评估指标。

• 药品效果评估：用于测试抗抑郁药、抗焦虑药、神经调节类药对动物自然自发行为的影响，客观反映药对动机、运动功能的干预效果。