Celem tego protokołu jest wykorzystanie gotowych konwolucyjnych sieci neuronowych do automatyzacji śledzenia zachowań i przeprowadzania szczegółowej analizy zachowań. Śledzenie zachowania może być stosowane do dowolnych danych wideo lub sekwencji obrazów i można je uogólnić w celu śledzenia dowolnego obiektu zdefiniowanego przez użytkownika.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Implementacja DeepBehavior, zestawu narzędzi do głębokiego uczenia się krok po kroku do automatycznej analizy zachowania
W tym artykule
Podsumowanie
Streszczenie
Zrozumienie zachowania jest pierwszym krokiem do prawdziwego zrozumienia mechanizmów neuronalnych w mózgu, które je napędzają. Tradycyjne metody analizy behawioralnej często nie oddają bogactwa tkwiącego w naturalnym zachowaniu. W tym miejscu przedstawiamy szczegółowe instrukcje krok po kroku wraz z wizualizacjami naszej najnowszej metodologii, DeepBehavior. Przybornik DeepBehavior wykorzystuje ramy głębokiego uczenia zbudowane z konwolucyjnych sieci neuronowych do szybkiego przetwarzania i analizowania filmów behawioralnych. Protokół ten demonstruje trzy różne ramy do wykrywania pojedynczych obiektów, wykrywania wielu obiektów i trójwymiarowego (3D) śledzenia pozycji stawów ludzkich. Struktury te zwracają współrzędne kartezjańskie obiektu zainteresowania dla każdej klatki filmu o zachowaniu. Dane zebrane z zestawu narzędzi DeepBehavior zawierają znacznie więcej szczegółów niż tradycyjne metody analizy zachowania i zapewniają szczegółowy wgląd w dynamikę zachowania. DeepBehavior kwantyfikuje zadania behawioralne w solidny, zautomatyzowany i precyzyjny sposób. Po zidentyfikowaniu zachowania dostarczany jest kod przetwarzania końcowego w celu wyodrębnienia informacji i wizualizacji z filmów behawioralnych.
Wprowadzenie
Szczegółowa analiza zachowania jest kluczem do zrozumienia relacji między mózgiem a zachowaniem. Dokonano wielu ekscytujących postępów w metodologiach rejestrowania i manipulowania populacjami neuronów z wysoką rozdzielczością czasową, jednak metody analizy zachowania nie rozwinęły się w tym samym tempie i ograniczają się do pomiarów pośrednich i podejścia redukcjonistycznego1. Ostatnio opracowano metody oparte na głębokim uczeniu do przeprowadzania zautomatyzowanej i szczegółowej analizy zachowania2,3,4,5. Ten protok....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
1. Konfiguracja GPU i Pythona
- Oprogramowanie GPU
Gdy komputer jest po raz pierwszy konfigurowany do aplikacji głębokiego uczenia, należy zainstalować oprogramowanie i sterowniki odpowiednie dla procesora graficznego, które można znaleźć na odpowiedniej stronie internetowej procesora graficznego. (patrz Tabela materiałów dla tych wykorzystanych w tym badaniu). - Instalacja Pythona 2.7
Otwórz wiersz poleceń na swoim komputerze.
Wiersz poleceń: sudo apt-get install python-python-dev python-virtualenv
2. TENSORBOX
- Konf....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Przy zastosowaniu opisanego protokołu dane dla każdej architektury sieci powinny być zbliżone do poniższych. TensorBox generuje ramkę ograniczającą wokół interesującego nas obiektu. W naszym przykładzie wykorzystano nagrania wideo z zadania sięgania po pellet spożywczy, a w celu śledzenia ruchu oznakowano prawe łapy. Jak widać na Rysunku 1, prawą łapę można wykryć w różnych pozycjach zarówno w kamerze widoku przedniego, jak i bocznego. Po przetwarzaniu wstępn.......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
W tym miejscu przedstawiamy przewodnik krok po kroku dotyczący implementacji DeepBehavior, naszego niedawno opracowanego zestawu narzędzi opartego na głębokim uczeniu do analizy danych obrazowania zachowań zwierząt i ludzi2. Udostępniamy szczegółowe wyjaśnienia dla każdego kroku instalacji struktur dla każdej architektury sieciowej oraz udostępniamy łącza do instalacji wymagań open source, aby móc uruchomić te struktury. Pokazujemy, jak je instalować, jak tworzyć dane treningowe, jak trenować sieć.......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Autorzy nie mają nic do ujawnienia.
Podziękowania
Chcielibyśmy podziękować Pingping Zhao i Peymanowi Golshaniemu za dostarczenie surowych danych do testów interakcji społecznych z udziałem dwóch myszy, które zostały użyte w oryginalnym artykule2. Badanie to było wspierane przez NIH NS109315 i granty NVIDIA GPU (AA).
....Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| CUDA v8.0.61 | NVIDIA | n/a | GPU Software |
| MATLAB R2016b | Mathworks | n/a | Matlab |
| Python 2.7 | Python | n/a | Wersja Pythona |
| Quadro P6000 | NVIDIA | n/a | GPU Procesor |
| Ubuntu v16.04 | Ubuntu | n/a | System operacyjny |
Bibliografia
- 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).
- Arac, A., Zhao, P., Dobkin, B. H., Carmichael, S. T., Golshani, P. DeepBehavio....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
