在板球比赛中,基于DeepLabCut的日常行为和姿势分析
Shota Hayakawa1, Kosuke Kataoka2, Masanobu Yamamoto3
1Department of Advanced Science and Engineering, Graduate School of Advanced Science and Engineering, Waseda University, Tokyo 162-8480, Japan.
Biology open
|March 27, 2024
概括
这项研究引入了一种新的系统来跟踪的行为,包括使用深度学习来跟踪的行为,包括食和睡眠. 这一进步为昆虫的昼夜节律提供了更全面的了解.
科学领域:
- 动物行为研究研究动物行为研究
- 时间生物学 时间生物学
- 机器学习在生物学中的应用.
背景情况:
- 循环节律控制着日常生理周期,如食和睡眠.
- 是昆虫昼夜节律研究的既定模型.
- 以前测量板行为的方法仅限于运动分析.
研究的目的:
- 开发一种新的系统,同时长期量化多个板的行为.
- 为了利用深度学习进行公正的,非侵入性的动物行为分析.
- 为了能够更详细地研究昆虫的昼夜节律.
主要方法:
- 使用DeepLabCut,一个监督的机器学习软件,用于身体键点标签.
- 开发了一种系统,可以同时跟踪单个的运动活动,食和睡眠状态.
- 专注于姿势分析以估计类似睡眠状态,超越传统的不运动度量.
主要成果:
- 该系统以高可靠性准确标记了个别的六个身体部位.
- 创建了对多种行为日间节律的可靠数据.
- 启用了基于姿势的睡眠状态的估计,提供了一个新的指标.
结论:
- 开发的系统提供了一个强大的工具,可以同时和自动预测板球的行为和姿势.
- 这种方法有助于更深入地了解昼夜节律背后的神经机制.
- 该系统有可能显著推进昆虫时代生物学研究.
