在酒精中毒的小鼠模型中,基于三室社会行为测试的基于深度学习的评分方法. 对DeepLabCut,商业自动跟踪和手动评分的比较分析
Mohamed Aly Zahran1, Aroa Manas-Ojeda1, Mónica Navarro-Sánchez1
1Unitat Predepartamental de Medicina, Facultat de Ciències de la Salut, Universitat Jaume I, Castellón de la Plana, Spain.
Heliyon
|September 17, 2024
概括
一个人工智能工具DeepLabCut准确地评估了小鼠在戒酒期间的社会行为变化. 它改进了自动跟踪,在急性戒断期间揭示了雌性小鼠的性别特异性缺陷.
科学领域:
- 神经科学是一个神经科学.
- 动物行为 动物行为
- 人工智能的人工智能
背景情况:
- 酒精消费和戒酒显著影响社会行为,以一种取决于性别的方式.
- 三室测试是评估动物社会行为的标准方法.
- 当前的自动跟踪系统经常提供不准确的社交互动数据,需要手动纠正.
研究的目的:
- 开发和验证基于AI的评分模型,使用DeepLabCut进行三室测试.
- 研究酒精戒断对小鼠社会行为的影响,考虑性别和戒断时间.
- 将DeepLabCut的准确性与传统的自动跟踪 (AnyMaze) 和手动评分进行比较.
主要方法:
- 利用DeepLabCut,一个AI姿势估计工具包,跟踪动物身体部位进行社会行为分析.
- 应用了开发的DeepLabCut模型,在接受酒精戒断的小鼠中进行三室测试.
- 将DeepLabCut的结果与AnyMaze的自动跟踪和手动评分进行比较 (黄金标准).
主要成果:
- 在急性戒酒期间,AnyMaze未能在雌性小鼠中检测出显著的社会缺陷.
- 通过追踪动物的鼻子,DeepLabCut准确地确定了雌性小鼠的社会缺陷,与手动评分一致.
- 这些缺陷在急性戒断期间被观察到,并在女性长期戒断期间恢复. DLC和手动评分显示了高相关性和低偏差.
结论:
- 由人工智能驱动的DeepLabCut方法提高了三室测试得分的准确性.
- 这种方法在检测微妙的社会行为变化方面优于商业自动跟踪系统.
- DeepLabCut为研究酒精戒断对社会行为的影响提供了更可靠的工具,特别是在特定性别的环境中.
