對于卡內(nèi)基梅隆大學生物科學助理教授兼神經(jīng)科學研究所教員Eric Yttri 而言，了解大腦的最佳方式是觀察生物體如何與世界互動。
“行為驅動著我們所做的一切，”Yttri 說。
作為一名行為神經(jīng)科學家，Yttri 研究動物行走、進食、嗅探或做任何動作時大腦中發(fā)生的情況。這種研究可以幫助回答有關神經(jīng)系統(tǒng)疾病或障礙(如帕金森病或中風)的問題。但是識別和預測動物行為極其困難。
現(xiàn)在，由 Yttri 和生物科學博士 Alex Hsu 開發(fā)的一種新的無監(jiān)督機器學習算法。候選人在他的實驗室中，使研究行為變得更加容易和準確。研究人員在《自然通訊》上發(fā)表了一篇關于新工具 B-SOiD(DeepLabCut 中開放場的行為分割)的論文。
以前，捕捉動物行為的標準方法是跟蹤非常簡單的動作，比如訓練有素的老鼠是否按下了杠桿，或者動物是否在吃食物?；蛘撸瑢嶒炚呖梢曰ㄙM數(shù)小時手動識別行為，通常是在視頻上逐幀進行，這個過程容易出現(xiàn)人為錯誤和偏見。
Hsu 意識到他可以讓無監(jiān)督學習算法來完成耗時的工作。B-SOiD 通過識別動物身體位置的模式來發(fā)現(xiàn)行為。該算法與計算機視覺軟件配合使用，可以告訴研究人員在視頻的每一幀中發(fā)生了什么行為。
“它使用一個方程來始終如一地確定行為何時開始，”Hsu 解釋說。“一旦達到該閾值，每次都會識別出行為。人類實驗者可能會在兩個幀或幾個類別之間切換，嘗試確定行為從哪里開始并隨著時間的推移變得疲倦。”
Yttri 表示，B-SOiD 提供了巨大的改進，并為新的研究開辟了多種途徑。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！