机构名称：
¥ 3.0
对复杂动物行为的自动检测仍然是神经科学的挑战。developments具有大量高级自动化行为检测，并允许高通量临床前和机械研究。需要进行集成的硬件和软件解决方案，以促进在行为神经基因的领域采用这些进步，尤其是对于非计算实验室而言。我们使用开放式领域发表了一系列论文，以注释复杂行为，例如修饰，姿势和步态以及更高层次的结构，例如生物年龄和痛苦。在这里，我们向社区介绍了综合的啮齿动物表型平台，JAX动物行为系统（JABS），以进行数据获取，基于机器学习的行为注释和分类，分类者共享和遗传分析。JABS数据采集模块（JABS-DA）允许统一数据收集，其3D硬件设计和软件的组合用于实时监视和视频数据收集。jabs-Active学习模块（JABS-AL）允许行为注释，分类训练和验证。我们介绍了一个基于图形的新型框架（Ethograph），该框架能够对jabs-al分类器的有效比较。jabs-分析和集成模块（jabs-ai），一种Web应用程序，促进用户部署并共享对jabs培训的任何分类器，从而减少了行为注释所需的精力。这可以将遗传学用作适当行为分类器选择的指南。它支持训练有素的刺戳分类器和下游遗传分析（遗传力和遗传相关性）的推断和共享，这些数据集涉及168个策划的数据集，这些数据集涉及我们与这项研究一起公开释放的168个小鼠菌株。此开源工具是一个生态系统，它允许神经科学和遗传学社区共享高级行为分析，并减少进入该新领域的障碍。
Müller等。 - Aurora -A通过CDK12 1
主要关键词
相关文件推荐
