基于多式联络数据融合的小鼠实时恐惧情绪识别
Hao Wang1, Zhanpeng Shi2, Ruijie Hu2
1Public Computer Teaching and Research Center, Jilin University, Changchun, 130012, China.
Scientific reports
|April 6, 2025
概括
这项研究引入了一种多模式方法,用于识别小鼠的恐惧,使用面部表情,身体姿势和运动. 先进的模型实现了86.7%的准确性,改进了用于动物情绪检测的单模方法.
科学领域:
- 神经科学是一个神经科学.
- 动物行为 动物行为
- 机器学习 机器学习
背景情况:
- 在动物模型中精确的情绪识别对于理解神经和精神疾病至关重要.
- 目前的方法通常依赖于单一的数据模式,限制了全面的分析.
研究的目的:
- 开发和评估一种多式联络式情绪识别系统,用于检测小鼠的恐惧.
- 通过整合各种行为数据流来提高情绪检测的精度.
主要方法:
- 一种综合面部表情,身体姿势和运动轨迹的多式方法.
- 利用特征编码器和注意力分类器来进行强大的情绪分类.
- 将多式联通融合模型性能与单式联通方法进行比较.
主要成果:
- 多式联络融合模型实现了86.7%的恐惧识别精度.
- 与单模识别技术相比,显示了显著的准确性改进.
- 研究了监测持续时间和框架采样率对准确性的影响.
结论:
- 多模态情绪识别提供了一种更精确的方法来检测小鼠的恐惧.
- 拟议的系统为实时动物情绪监测提供了有效的解决方案.
- 在神经科学和精神病学研究中对增强动物研究的潜在应用.
