相关实验视频
Updated: Sep 17, 2025
05:42
The Forced Swim Test as a Model of Depressive-like Behavior
Published on: March 2, 2015
37.8K
基于机器学习的模型用于动物行为分析,应用于强迫游泳测试
Andrea Della Valle1,2, Sara De Carlo1, Gregorio Sonsini1
1School of Pharmacy, Center of Neuroscience, University of Camerino, Via Madonna delle Carceri, 62032, Camerino, MC, Italy.
Scientific reports
|July 2, 2025
概括
一个新的机器学习模型准确地分析了强迫游泳测试 (FST) 中的动物行为,区分不动,游泳和爬. 这种自动化方法为临床前研究抗抑郁药疗效提供了一个标准化,公正的工具.
科学领域:
- 神经科学和行为科学 神经科学和行为科学
- 药理学和药物发现
- 研究中的人工智能.
背景情况:
- 强迫游泳测试 (FST) 是一种标准的临床前模型,用于评估动物的抗抑郁作用和类似抑郁的行为.
- 目前的手动FST评分是劳动密集的,主观的,容易产生偏见.
- 现有的自动化系统缺乏细节性,无法区分游泳和登等特定行为.
研究的目的:
- 开发一种新的,自动化的机器学习 (ML) 系统,用于在FST中精确的行为分析.
- 通过区分关键行为亚型,克服手动评分和当前自动化系统的局限性.
- 为评估动物抗抑郁药疗效和应激反应提供标准化和公正的工具.
主要方法:
- 使用三维残余卷积神经网络 (3D RCNN) 直接处理视频数据,捕获时空动态.
- 在接受已知的抗抑郁药物 (fluoxetine,desipramine) 治疗的老鼠中训练并验证了ML模型与手动评分对比.
- 进一步验证了模型区分药物诱导的行为模式 (登,游泳或混合) 的能力.
主要成果:
- 机器学习模型成功地和准确地区分了老鼠的不动,游泳和爬行为.
- 该模型在区分已知引起特定行为反应的药物 (阿米特利普提林,帕洛克塞丁,文拉法辛) 中表现出有效性.
- 在FST中实现了对动物行为的标准化和公正的自动化分析.
结论:
- 开发的基于3D RCNN的ML模型为FST中的自动行为分析提供了重大进步.
- 这种方法提供了一个更准确,更有效,更客观的方法来评估抗抑郁药的有效性和与压力相关的行为.
- ML模型有可能在实验动物的其他行为测试中得到更广泛的应用.
