基于机器学习的分析系统ARBUR,用于关联大鼠的行为和超声波发声

科学领域:

• 神经科学是一个神经科学.
• 动物行为 动物行为
• 生物声学是一种生物声学.

背景情况:

• 了解老鼠的社交互动需要破译它们的行为和超声波发声 (USVs) 之间的相互作用.
• 以前的方法很难将复杂的行为与自然社会环境中的USV相关联,使行为-发声相互作用难以捉摸.

研究的目的:

• 开发和验证一种基于机器学习的系统 (ARBUR),用于对老鼠超声波发声和行为进行公正的分析.
• 在社会背景下调查不同老鼠行为及其相关USV之间的关系.

主要方法:

• 开发了ARBUR,这是一款能够对连续和离散USV进行集群的机器学习系统.
• 在两个自由移动的老鼠中,实现了对八种老鼠行为的层次检测,准确度高.
• 启用了发声的老鼠的3D定位.

主要成果:

• 阿尔伯 (ARBUR) 证明,老鼠在不同的行为状态中利用特定的USV.
• 该系统识别了沟通模式,特别是涉及复杂的社会行为期间不连续的USV,手动分析错过了这些模式.
• 在检测行为和定位发声的老鼠方面取得了高精度.

结论:

• 阿尔伯提供了一个强大的工具,用于机械地理解大鼠的行为-发声相互作用.
• 突出了机器学习在自动化动物行为和声学分析方面的潜力.
• 通过分析以前被忽视的USV模式,提供了对老鼠社会交流的新见解.