机器学习算法改变了科学家研究行为的方式

对于卡内基梅隆大学生物科学助理教授兼神经科学研究所教员 Eric Yttri 而言，了解大脑的最佳方式是观察生物体如何与世界互动。

“行为驱动着我们所做的一切，”Yttri 说。

作为一名行为神经科学家，Yttri 研究动物行走、进食、嗅探或做任何动作时大脑中发生的情况。这种研究可以帮助回答有关神经系统疾病或障碍(如帕金森病或中风)的问题。但是识别和预测动物行为极其困难。

现在，由 Yttri 和生物科学博士 Alex Hsu 开发的一种新的无监督机器学习算法。候选人在他的实验室中，使研究行为变得更加容易和准确。研究人员在Nature Communications上发表了一篇关于新工具 B-SOiD(DeepLabCut 中开放场的行为分割)的论文。

B-SOiD 算法能够发现运动的类型，如这里的点云所示，然后在对象之间进行概括，检测两个人的相同运动。

以前，捕捉动物行为的标准方法是跟踪非常简单的动作，比如训练有素的老鼠是否按下了杠杆，或者动物是否在吃食物。或者，实验者可以花费数小时手动识别行为，通常是在视频上逐帧进行，这个过程容易出现人为错误和偏见。

Hsu 意识到他可以让无监督学习算法来完成耗时的工作。B-SOiD 通过识别动物身体位置的模式来发现行为。该算法与计算机视觉软件配合使用，可以告诉研究人员在视频的每一帧中发生了什么行为。

“它使用一个方程来始终如一地确定行为何时开始，”Hsu 解释说。“一旦达到该阈值，每次都会识别出行为。人类实验者可能会在两个帧或几个类别之间切换，尝试确定行为从哪里开始并随着时间的推移变得疲倦。”

Yttri 表示，B-SOiD 提供了巨大的改进，并为新的研究开辟了多种途径。

“它消除了用户偏见，更重要的是，消除了时间成本和繁重的工作，”他说。“我们可以在几分钟内准确处理数小时的数据。”

此外，B-SOiD 对用户非常友好，任何研究人员都可以公开使用。Yttri 的实验室及其合作者已将新算法用于许多重要领域的研究，包括更好地了解慢性疼痛、强迫症等的研究。

合作者甚至开始使用 B-SOiD 来研究帕金森病中的人体运动。

“我们开始研究这是否可以用作医生客观测试的一部分，以显示患者的疾病进展了多远。希望世界上任何地方的患者都可以通过一个标准化的指标进行诊断，”Yttri说过。

这是科学家如何研究自然行为及其变化方式的突破，而不是主导神经科学和行为学的过于简单或主观的措施。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！