人工智能嘗試分析動物行為

密歇根大學的科學家開發(fā)了一款名為LabGym的開源、用戶友好、人工智能驅動的軟件，該軟件可以在各種模型系統(tǒng)中自動進行動物行為分析，可能為基礎科學和藥物開發(fā)領域的生命科學家?guī)砀Ｒ簟?/p>

該研究結果發(fā)表在2月24日《細胞報告方法》雜志上的文章“LabGym：使用基于學習的整體評估對用戶定義的動物行為進行量化”。

測量動物行為有助于了解基本的神經(jīng)過程以及評估藥物的治療和不良反應。密歇根大學生命科學教授BingYe博士和他的團隊分析了模式生物果蠅(果蠅)的運動和行為，以了解人類神經(jīng)系統(tǒng)發(fā)育和功能的機制。

“行為是大腦的功能。因此，分析動物行為提供了有關大腦如何工作以及大腦如何響應疾病而變化的重要信息，”葉實驗室的神經(jīng)科學家、該研究的主要作者YujiaHu說。

手動識別和評分動物行為的各個方面是乏味、耗時的，而且容易出現(xiàn)人為錯誤。存在一些可以自動定量評估動物行為的程序，但它們提出了挑戰(zhàn)。

“許多行為分析程序都是基于預先設定的行為定義，”葉說。“例如，如果果蠅幼蟲滾動360度，一些程序就會計算滾動次數(shù)。但為什么270度不也是滾動呢?如果用戶不知道如何重新編碼程序，許多程序不一定能夠靈活地進行計數(shù)。”

讓程序像科學家一樣思考

為了克服這些挑戰(zhàn)，胡和他的同事決定設計一個新程序，更接近地復制人類認知過程——更像科學家的“思考”——并且對于可能不具備編碼專業(yè)知識的生物學家來說更加用戶友好。使用LabGym，研究人員可以輸入他們想要分析的行為示例，并告訴軟件它應該計算什么。然后，該程序使用深度學習來提高其識別和量化行為的能力。

LabGym利用視頻和“圖案圖像”數(shù)據(jù)的組合來獲得認知靈活性和可靠性。僅通過視頻記錄獲得的時間序列數(shù)據(jù)對于人工智能程序來說就很難分析。為了訓練LabGym更好地識別行為，Hu通過合并不同時間點動物位置的輪廓來生成描繪動物運動模式的圖像。將視頻數(shù)據(jù)與模式圖像相結合提高了程序識別不同行為的準確性。

LabGym不僅可以同時跟蹤多個動物，它的設計還可以忽略不相關的背景信息，同時考慮動物的整體運動以及位置隨空間和時間的變化。

提高靈活性

LabGym的另一個優(yōu)勢是其物種靈活性。盡管是用果蠅設計的，但它并不限于任何一種物種。“這其實很少見，”葉說。“它是為生物學家編寫的，因此他們可以使其適應他們想要研究的物種和行為，而無需任何編程技能或高性能計算。”

CarrieFerrario博士是藥理學副教授，研究大鼠模型中導致成癮和肥胖的神經(jīng)機制，幫助葉和他的團隊在嚙齒動物模型系統(tǒng)中測試和完善該程序。“從研究生院開始，我就一直在嘗試解決這個問題，但在人工智能、深度學習和計算方面，技術還不存在，”費拉里奧說。“這個程序為我解決了一個現(xiàn)有的問題，但它也有非常廣泛的用途。我看到它在幾乎無限的條件下分析動物行為的潛力。”

在未來的研究中，葉的團隊計劃進一步完善該程序，以提高其在更復雜條件下的性能，例如評估自然環(huán)境中的動物行為。

標簽：