Method Article

Eine schrittweise Implementierung von DeepBehavior, Deep Learning Toolbox für automatisierte Verhaltensanalyse

DOI:

10.3791/60763

⸱

February 6th, 2020

 , 
1Department of Neurology, David Geffen School of Medicine, University of California, Los Angeles

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Der Zweck dieses Protokolls besteht darin, vorgefertigte konvolutionale neuronale Netze zu verwenden, um die Verhaltensverfolgung zu automatisieren und detaillierte Verhaltensanalysen durchzuführen. Verhaltensverfolgung kann auf alle Videodaten oder Sequenzen von Bildern angewendet werden und ist verallgemeinerbar, um jedes benutzerdefinierte Objekt zu verfolgen.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Das Verständnis von Verhalten ist der erste Schritt, um neuronale Mechanismen im Gehirn, die es antreiben, wirklich zu verstehen. Herkömmliche Methoden zur Verhaltensanalyse erfassen oft nicht den Reichtum, der dem natürlichen Verhalten innewohnt. Hier bieten wir detaillierte Schritt-für-Schritt-Anleitungen mit Visualisierungen unserer aktuellen Methodik, DeepBehavior. Die DeepBehavior Toolbox verwendet Deep Learning-Frameworks, die mit konvolutionalen neuronalen Netzwerken erstellt wurden, um Verhaltensvideos schnell zu verarbeiten und zu analysieren. Dieses Protokoll veranschaulicht drei verschiedene Frameworks für die Erkennung einzelner Objekte, die Erkennung mehrerer Objekte und die dreidimensionale (3D) Personengelenkverfolgung. Diese Frameworks geben kartesische Koordinaten des Objekts zurück, das für jeden Frame des Verhaltensvideos von Interesse ist. Die aus der DeepBehavior-Toolbox gesammelten Daten enthalten viel mehr Details als herkömmliche Verhaltensanalysemethoden und bieten detaillierte Einblicke in die Verhaltensdynamik. DeepBehavior quantifiziert Verhaltensaufgaben auf robuste, automatisierte und präzise Weise. Nach der Identifizierung des Verhaltens wird Nachbearbeitungscode bereitgestellt, um Informationen und Visualisierungen aus den Verhaltensvideos zu extrahieren.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Eine detaillierte Analyse des Verhaltens ist der Schlüssel zum Verständnis der Gehirn- und Verhaltensbeziehungen. Es gab viele spannende Fortschritte in der Methodik für die Aufzeichnung und Manipulation neuronaler Populationen mit hoher zeitlicher Auflösung, jedoch haben sich Verhaltensanalysemethoden nicht mit der gleichen Rate entwickelt und sind auf indirekte Messungen und einen reduktionistischen Ansatz beschränkt1. Kürzlich wurden Deep Learning-basierte Methoden entwickelt, um automatisierte und detaillierte Verhaltensanalysendurchzuführen 2,3,4<....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. GPU und Python Setup

  1. GPU-Software
    Wenn der Computer zum ersten Mal für Deep Learning-Anwendungen eingerichtet ist, sollten GPU-geeignete Software und Treiber installiert werden, die auf der jeweiligen Website der GPU zu finden sind. (siehe Materialtabelle für die in dieser Studie verwendeten Materialien).
  2. Python 2.7 Installation
    Öffnen Sie eine Eingabeaufforderung für die Eingabeaufforderung auf Ihrem Computer.
    Befehlszeile: sudo apt-get install python-pip python-dev python-virtualenv

2. TENSORBOX

  1. Tensorbox-Setup ....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wenn das Protokoll befolgt wird, sollten die Daten für jede Netzwerkarchitektur den folgenden ähneln. Für TensorBox gibt es einen Begrenzungsrahmen um das Objekt von Interesse aus. In unserem Beispiel haben wir Videos von einem Lebensmittelpellet verwendet, das Aufgaben angeht, und die richtigen Pfoten beschriftet, um ihre Bewegung zu verfolgen. Wie in Abbildung 1 zu sehen,kann die rechte Pfote sowohl in der Frontansicht als auch in der Seitenansicht von Kame.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hier bieten wir eine Schritt-für-Schritt-Anleitung für die Implementierung von DeepBehavior, unserer kürzlich entwickelten Deep Learning-basierten Toolbox für die Analyse vonBildgebungsdatenfür tier- und humanes Verhalten 2 . Wir bieten detaillierte Erläuterungen für jeden Schritt für die Installation der Frameworks für jede Netzwerkarchitektur und stellen Links für die Installation der Open-Source-Anforderungen bereit, um diese Frameworks ausführen zu können. Wir zeigen, wie sie installiert werde.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts zu verraten.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wir möchten Pingping Zhao und Peyman Golshani für die Bereitstellung der Rohdaten für Zwei-Maus-Tests zur sozialen Interaktion mit zwei Mäusen danken, die in der Originalarbeit2verwendet werden. Diese Studie wurde von NIH NS109315 und NVIDIA GPU Grants (AA) unterstützt.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
CUDA v8.0.61NVIDIAn/aGPU Software
MATLAB R2016bMathworksn/a
Matlab Python 2.7Pythonn/aPython Version
Quadro P6000NVIDIAn/aGPU Prozessor
Ubuntu v16.04Ubuntun/aBetriebssystem

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Krakauer, J. W., Ghazanfar, A. A., Gomez-Marin, A., MacIver, M. A., Poeppel, D. Neuroscience Needs Behavior: Correcting a Reductionist Bias. Neuron. 93 (3), 480-490 (2017).
  2. Arac, A., Zhao, P., Dobkin, B. H., Carmichael, S. T., Golshani, P. DeepBehavio....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

DeepBehavior ToolboxDeep Learning ToolboxConvolutional Neural NetworksSingle Object DetectionMultiple Object DetectionHuman Pose TrackingTensor Box SetupYOLOv3 InstallationOpenPose ProcessingMATLAB Post Processing

Related Articles