使用手动和深度学习分析开发一种评估方法,用于自由移动的非人类灵长类动物的进食行为
Leslie Jaesun Ha1, Meelim Kim1,2,3,4, Hyeon-Gu Yeo5,6
1Department of Biomedical Sciences, Wide River Institute of Immunology, Neuroscience Research Institute, Seoul National University College of Medicine, Republic of Korea.
Heliyon
|February 15, 2024
概括
研究人员开发了新的方法来分析非人类灵长类动物的饮食行为,区分食欲和消费阶段. 深度学习分析被证明显著更快,可与手动方法相比,用于研究饥饿和食感效应.
科学领域:
- 神经科学是一个神经科学.
- 行为科学 行为科学
- 动物行为 动物行为
背景情况:
- 评估自由移动的非人类灵长类动物的饮食行为是具有挑战性的.
- 现有的方法对于详细的行为分析缺乏全面性.
研究的目的:
- 开发和验证评估非人类灵长类动物进食行为的综合方法.
- 将饮食行为分为食欲和消费阶段.
- 用手动和深度学习技术进行行为分析.
主要方法:
- 开发了九个指数来量化食欲和消费性饮食阶段.
- 使用手动分析和深度学习 (DeepLabCut) 技术.
- 在不同的饥饿和食感条件下,为三只 rhesus macaques 使用定制的饮食行为和人工食物.
主要成果:
- 接近频率和消费持续时间是饥饿影响的关键指标.
- 胃口复合得分和消费持续时间对食感效应最相关.
- 深度学习分析比手动分析快24倍,准确度相似.
- 时间和空间动态的可视化显示出与饥饿和食感相关的不同饮食模式和姿势.
结论:
- 建立了一种新的,经过验证的多阶段方法来评估灵长类动物的进食行为.
- 开发的手动和深度学习工具提供了有效的饮食动态分析.
- 这些方法对于研究非人类灵长类动物的食物奖励,食感和恒温有价值.
