DeepBhvTracking：一种基于深度学习的实验动物行为追踪新方法,Frontiers in Behavioral Neuroscience

DeepBhvTracking：一种基于深度学习的实验动物行为追踪新方法
Frontiers in Behavioral Neuroscience ( IF 2.6 ) Pub Date : 2021-10-28 , DOI: 10.3389/fnbeh.2021.750894
Guanglong Sun 1, 2 , Chenfei Lyu 1, 2 , Ruolan Cai 1, 2 , Chencen Yu 1, 2 , Hao Sun 3 , Kenneth E Schriver 1, 4 , Lixia Gao 1, 2, 3 , Xinjian Li 1, 2

行为测量和评估广泛用于了解神经科学中的大脑功能，特别是用于研究运动障碍、社交缺陷和精神疾病。已经开发了许多商业软件和开源程序来跟踪实验室动物的运动，从而可以对动物行为进行数字化分析。体内自由行为动物的光学成像和电生理记录现在被广泛用于了解电路中的神经功能。然而，由于环境光照不均匀、动物模型的变化以及记录设备和实验人员的干扰，在某些复杂条件下准确跟踪动物的运动始终是一个挑战。为了克服这些挑战，我们开发了一种策略，通过将深度学习技术“你只看一次”(YOLO) 算法与背景减法算法（一种我们标记为 DeepBhvTracking 的方法）相结合，开发了一种跟踪动物运动的策略。在我们的方法中，我们首先使用手动标记的图像和结合 YOLO 的预训练深度学习神经网络训练检测器，然后使用训练过的检测器生成目标的边界框，最后通过使用背景减法计算边界框中的质心来跟踪目标的中心。使用 DeepBhvTracking，可以在复杂环境中准确跟踪动物的运动，并可以用于不同的行为范式和不同的动物模型。因此，DeepBhvTracking 可广泛用于神经科学、医学和机器学习算法的研究。

"点击查看英文标题和摘要"

更新日期：2021-10-28

相关知识

DeepBhvTracking：一种基于深度学习的实验动物行为追踪新方法,Frontiers in Behavioral Neuroscience
深度学习在动物行为分析中的应用研究进展
用于评估啮齿动物社会行为测试的实验（综述篇）
深度学习算法准确追踪动物运动
动物行为学实验｜鼠来宝+赛昂斯+守正弘药年终献礼
一种基于深度卷积神经网络的禽类动物行为识别方法与流程
毕业设计：基于深度学习的动物叫声识别系统
一种基于深度学习的宠物行为识别方法及系统
基于认知神经科学的游戏化学习研究综述
基于深度学习的猫狗图片分类研究（数据集+实验代码+4000字实验报告）

网址: DeepBhvTracking：一种基于深度学习的实验动物行为追踪新方法,Frontiers in Behavioral Neuroscience https://www.mcbbbk.com/newsview547021.html