探索阿尔茨海默病小鼠中新物体识别和自发位置识别的机器学习分析技术
机器学习
2023-12-25 v3 计算机视觉与模式识别
摘要
理解小鼠的物体识别模式对于推进行为神经科学至关重要，并且对人类健康（特别是在阿尔茨海默病研究领域）具有重要意义。本研究专注于开发、应用和评估一个最先进的计算流程，旨在分析此类行为，特别关注新物体识别（NOR）和自发位置识别（SLR）任务。该流程集成了三个先进的计算模型：用于初始数据收集的Any-Maze、用于详细姿态估计的DeepLabCut以及用于细微行为分类的卷积神经网络（CNNs）。在四个不同的小鼠组中应用，该流程表现出高水平的准确性和鲁棒性。尽管存在某些挑战，如视频质量限制和需要手动计算，但结果证实了该流程的有效性和可扩展性潜力。本研究为行为神经科学的多维计算方法提供了概念验证，强调了该流程的通用性和为未来更复杂分析所做的准备。
引用
@article{arxiv.2312.06914,
title = {Exploring Novel Object Recognition and Spontaneous Location Recognition Machine Learning Analysis Techniques in Alzheimer's Mice},
author = {Soham Bafana},
journal= {arXiv preprint arXiv:2312.06914},
year = {2023}
}
备注
Aspects of the paper contain errors, and data in the pipeline must be vetted one more time. More testing is necessary