高吞吐量机器学习管道,以描述幼虫斑马鱼的运动行为

科学领域:

• 神经科学是一个神经科学.
• 行为科学 行为科学
• 机器学习 机器学习

背景情况:

• 幼虫斑马鱼是研究行为的神经基质的宝贵模型,因为它们的神经系统很简单.
• 了解斑马鱼的行为对于神经科学研究至关重要.

研究的目的:

• 开发和验证机器学习模型,用于检测和分类幼虫斑马鱼的行为.
• 建立一种高通量方法来分析斑马鱼的行为表型.

主要方法:

• 利用一个8个关键点姿势估计模型来捕捉斑马鱼的动力学.
• 在手动标记的数据集上使用半监督学习框架培训随机森林分类器.
• 关于自发和刺激引起的行为以及药物诱导的运动效应的验证模型.

主要成果:

• 开发了准确的机器学习分类器,用于谨慎的斑马鱼行为 (静止,滑动,转向,惊慌反应).
• 在分类行为方面取得了高精度.
• 证明了管道在分析药物对运动的影响中的实用性.

结论:

• 机器学习,特别是半监督学习,为斑马鱼的详细行为表型提供了强大的工具.
• 开发的模型为研究行为的神经控制提供了一种高通量方法.