동물 행동 평가와 컨볼루션 신경망의 통합으로 와사비-알코올 맛-냄새 상호작용 연구

알코올 음료의 냄새가 와사비의 화상을 완화할 수 있는지 확인하고 싶습니다. 그래서 우리는 이러한 미각과 냄새의 상호작용을 탐구하기 위해 동물 행동 연구와 딥 러닝을 포함하는 방법을 개발했습니다. 행동 데이터 수집을 위한 당사의 특수 케이지 설계와 강력한 딥 러닝 모델을 사용하여 와사비와 알코올을 함께 처리하는 모습을 묘사한 이미지 중 29%가 와사비 음성, 액체 양성으로 분류되었음을 발견했으며, 이는 알코올이 와사비의 영향을 상쇄할 수 있음을 시사합니다.

우리의 연구는 왜 알코올이 와사비로 인한 불편함을 억제할 수 있는지에 대한 질문을 제기합니다. 이러한 상호작용을 주도하는 근본적인 생리학적 메커니즘을 이해하는 것이 향후 연구의 초점이 될 것입니다. 시작하려면 54mm 높이로 벽돌을 쌓아 두 개의 불투명한 측벽을 구성합니다.

아크릴로 니트릴 부타디엔 스티렌 기반 케이지에 아크릴 플레이트를 삽입합니다. 두께가 2 밀리미터 인 90 밀리미터 x 50 밀리미터 투명 아크릴 판 5 개로 구성된 차우 챔버를 준비하십시오. 다음으로, 투명한 아크릴 판을 차우 소개 플레이트로 준비하고 차우 챔버에 놓습니다.

9주에서 10주 된 생쥐 모델을 사용하여 행동 실험을 수행한 후 아크릴과 아크릴로니트릴 부타디엔 스티렌 플레이트를 모두 분해합니다. 초순수로 플레이트를 최소 세 번 헹굽니다. 그런 다음 종이 타월을 사용하여 말리십시오.

다음으로 75% 에탄올을 뿌린 다음 렌즈 종이로 청소합니다. 마지막으로 최소 15분 동안 자연 건조시킵니다. 이제 쥐의 무게를 측정하고 행동 실험을 반복하기 전에 체중을 기록합니다.

와사비와 땅콩 버터의 혼합물을 준비하려면 상업용 와사비 1g과 땅콩 버터 4.5g의 무게를 잰다. 지퍼가 달린 비닐 봉지에 섞습니다. 무게를 달아 0.5g 땅콩 버터 페이스트 2개 또는 와사비와 땅콩 버터 혼합물을 차우 소개 플레이트에 제공합니다.

준비된 차우 소개 플레이트를 차우 챔버에 놓습니다. 그런 다음 아래 홈에 순수한 물 또는 주류 30ml의 액체를 채워 동시 흡입을 용이하게 합니다. 각 단말기의 전화 스탠드에 있는 두 대의 스마트폰에 있는 카메라를 사용하여 녹음을 시작합니다.

훈련된 두 마리의 쥐 배변 짝을 위에서 설계된 동물 행동 연구 플랫폼에 조심스럽게 놓고 즉시 상판으로 케이지를 고정합니다. 먼저, 특별히 설계된 케이지에서 술 냄새를 맡으면서 와사비로 인한 통각 감각을 경험하는 동안 쥐의 행동을 기록합니다. Step1_ExtractingAndSavingVideoFrameImages라는 제공된 Jupyter Notebook을 사용합니다.

예를 들어, 수집된 비디오 클립에서 일련의 비디오 프레임 이미지를 내보내 모델 훈련을 위한 데이터셋을 생성합니다. 제공된 붙여넣기를 사용하는 마우스가 하나 이상 있는 이미지만 선택합니다. 데이터 증강을 수행하려면 Jupyter Notebook에 제공된 Step2_DataAugmentation라는 스크립트를 구현합니다.

ipynb를 사용하여 생성된 이미지를 가로로 대칭 이동합니다. 외부의 독립적인 CNN 모델 검증을 위해 두 번째 반복실험의 이미지 데이터를 예약합니다. 각 첫 번째 및 세 번째 복제의 이미지를 내부 모델 학습 및 테스트에 사용합니다.

CNN 모델링에 사용되는 이미지 데이터를 사전 처리하려면 Jupyter Notebook에서 Step3_CNNmodeling_TrainTest라는 스크립트를 실행합니다. IPYNB, 이미지 크기 조정, 검은색 변환 및 이미지 신호 정규화를 포함합니다. 교육 자료를 내부 학습 및 테스트 데이터 세트로 무작위로 8:2 방식으로 분할합니다.

그런 다음 CNN 아키텍처를 초기화합니다. 검사할 시나리오의 수에 따라 CNN 출력의 수를 설계합니다. CNN 아키텍처를 구성하기 위한 최적의 하이퍼파라미터 조합을 채택합니다.

다음으로, 제공된 Jupyter Notebook Step4_CNNmodel_ExternalValOriginal 엽니다. ipynb 및 Step5_CNNmodel_ExternalValFlipped.ipynb. 동물 행동 실험의 두 번째 반복에서 얻은 독립 이미지를 사용하여 얻은 모델을 검증합니다.

Jupyter Notebook Step6_CNNmodel_Application.ipynb를 사용하여 실험 그룹에서 생성된 비디오 프레임 이미지를 분류하기 위해 획득되고 검증된 모델을 배포합니다. MGS 점수는 땅콩 버터만 투여한 쥐에 비해 와사비와 땅콩 버터를 혼합한 쥐에서 크게 증가했습니다. MGS 점수는 알코올 증기에 노출된 대조군과 쥐 간에 유의미한 차이를 보이지 않았습니다.

와사비와 땅콩 버터를 투여한 마우스의 MGS 점수는 알코올 증기에 노출되었을 때 노출되지 않은 마우스에 비해 유의하게 감소했습니다.