莫里斯水迷宫内游泳路径详细分类的通用框架
定量方法
2018-10-11 v2 人工智能
机器学习
摘要
莫里斯水迷宫常用于行为神经科学中研究啮齿动物的空间学习。多年来，人们提出了多种分析该任务中收集的啮齿动物数据的方法。这些方法从经典的表现测量（如逃避潜伏期、啮齿动物速度、象限偏好）到将动物游泳路径分类为称为策略的行为类别的更复杂分类方法。分类技术提供了关于实际动物行为的额外见解，但尽管如此，仅有限的研究使用了它们，主要是因为它们高度依赖机器学习知识。我们先前已证明动物会实施各种策略，而对整个轨迹进行分类可能导致重要信息的丢失。在这项工作中，我们开发了一种通用且鲁棒的分类方法，其采用多数投票以提升分类性能，并成功消除了手动调参的需要。基于该框架，我们构建了一个完整的软件，能够执行本文描述的全部分析。该软件提供了一个易于使用的图形用户界面（GUI），用户可通过其输入轨迹数据、进行分段和标注，并最终生成结果报告和图表。
引用
@article{arxiv.1711.07446,
title = {A generalised framework for detailed classification of swimming paths inside the Morris Water Maze},
author = {Avgoustinos Vouros and Tiago V. Gehring and Kinga Szydlowska and Artur Janusz and Mike Croucher and Katarzyna Lukasiuk and Witold Konopka and Carmen Sandi and Zehai Tu and Eleni Vasilaki},
journal= {arXiv preprint arXiv:1711.07446},
year = {2018}
}