El aprendizaje profundo descifra los estados de comportamiento de los patrones de activación muscular

Área de la Ciencia:

• La neurociencia es la neurociencia.
• Comportamiento animal Comportamiento animal.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• La observación de video manual para el análisis del comportamiento de los animales requiere mucho tiempo y es subjetiva.
• La clasificación precisa de los estados de comportamiento es crucial para comprender la fisiología y las respuestas de los animales.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para la clasificación automatizada del comportamiento animal utilizando datos de electromiograma (EMG).
• Proporcionar un marco objetivo, automatizado y escalable para el análisis del comportamiento.

Principales métodos:

• Se registraron electromiogramas de cinco sitios musculares en ratones (extremidades y cuello).
• El video monitoreo se utilizó para establecer etiquetas de verdad para los comportamientos (caminar, asearse, criar).
• Se entrenó una red neuronal convolucional personalizada en segmentos de EMG para la clasificación.

Principales resultados:

• El modelo de aprendizaje profundo logró una robusta precisión de clasificación para diferentes estados de comportamiento.
• El modelo detectó con eficacia distintos patrones de comportamiento de los animales a partir de las señales EMG.
• La clasificación basada en electromiograma demostró una alta fidelidad en comparación con la observación por video.

Conclusiones:

• El análisis de aprendizaje profundo de electromiogramas de múltiples sitios ofrece un método objetivo y automatizado para la clasificación del comportamiento animal.
• Este enfoque basado en EMG proporciona un marco escalable que se puede integrar con los sistemas de video monitoreo existentes.
• El modelo desarrollado mejora la eficiencia y la precisión de la evaluación del estado conductual en la investigación.