一种新的贝叶斯方法来识别强力板行为测量平台中的理行为

科学领域:

• 神经科学是一个神经科学.
• 行为科学 行为科学
• 动物模型 动物模型

背景情况:

• 动物的自我理是刻板印象行为的一个关键指标.
• 目前基于视频的分析方法缺乏标准化,效率和力量化.
• 需要自动化分析来克服手动观察的局限性.

研究的目的:

• 开发和验证用于分析动物理行为的自动化系统.
• 用力板行为计量理时间,频率和力度.
• 评估这种方法在神经精神疾病动物模型中的实用性.

主要方法:

• 开发了一个自动化理分析范式,使用强力板行为计.
• 通过分析运动数据的功率光谱带来量化理.
• 雇佣了一个纯粹的贝叶斯分类器,接受了手动视频观测的分类培训.

主要成果:

• 获得了93.7%的分类准确度,AUC为0.894.
• 确定的CIN-d小鼠表现出更长的理时间,但没有增加力.
• 证明哈洛佩里多尔可以降低理力和持续时间.

结论:

• 自动压力板行为计方法提供了快速,公正和定量化理评估.
• 这种新的方法适用于对理刻板印象的高通量选.
• 对于研究神经精神疾病的动物模型具有前途.