Name: Nöroetolojik Yerleştirmeden Doğal Davranışın Kodunu Çözmek (Video) | JoVE Journal
Uploaded: 2025-10-03T13:40:00.000+00:00
Duration: 8 min
Description: Öğrenin, farelerde serbest hareket koşullarında nörodinamik kodlamayı inceleyerek doğal davranış beyin ilişkisini çözümleyin. Bu yöntem, karmaşık yaşam sistemlerinde zekayı anlamak için zengin veri toplar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

<ol><li>Han, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-animal+3d+social+pose+estimation%2C+identification+and+behaviour+embedding+with+a+few-shot+learning+framework%5BTitle%5D)+AND+%22Nat+Machine+Intellig%22%5BJournal%5D)">Multi-animal 3d social pose estimation, identification and behaviour embedding with a few-shot learning framework.</a> Nat Machine Intellig. 6 (1), 48-61 (2024).</li>
<li>Zong, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Miniature+two-photon+microscopy+for+enlarged+field-of-view%2C+multi-plane+and+long-term+brain+imaging%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Miniature two-photon microscopy for enlarged field-of-view, multi-plane and long-term brain imaging.</a> Nat Methods. 18 (1), 46-49 (2021).</li>
<li>Schneider, S., Lee, J. H., Mathis, M. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Learnable+latent+embeddings+for+joint+behavioural+and+neural+analysis%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Learnable latent embeddings for joint behavioural and neural analysis.</a> Nature. 617 (7960), 360-368 (2023).</li>
<li>Lanzarini, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuroethology+of+natural+actions+in+freely+moving+monkeys%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Neuroethology of natural actions in freely moving monkeys.</a> Science. 387 (6730), 214-220 (2025).</li>
<li>Testard, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+signatures+of+natural+behaviour+in+socializing+macaques%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Neural signatures of natural behaviour in socializing macaques.</a> Nature. 628 (8007), 381-390 (2024).</li>
<li>Mathis, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deeplabcut%3A+Markerless+pose+estimation+of+user-defined+body+parts+with+deep+learning%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">Deeplabcut: Markerless pose estimation of user-defined body parts with deep learning.</a> Nat Neurosci. 21 (9), 1281-1289 (2018).</li>
<li>Tang, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Anti-drift+pose+tracker+%28adpt%29%2C+a+transformer-based+network+for+robust+animal+pose+estimation+cross-species%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">Anti-drift pose tracker (adpt), a transformer-based network for robust animal pose estimation cross-species.</a> Elife. 13, RP95709(2025).</li>
<li>Panadeiro, V., Rodriguez, A., Henry, J., Wlodkowic, D., Andersson, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+28+free+animal-tracking+software+applications%3A+Current+features+and+limitations%5BTitle%5D)+AND+%22Lab+Anim+%28NY%29%22%5BJournal%5D)">A review of 28 free animal-tracking software applications: Current features and limitations.</a> Lab Anim (NY). 50 (9), 246-254 (2021).</li>
<li>Jhuang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+home-cage+behavioural+phenotyping+of+mice%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Automated home-cage behavioural phenotyping of mice.</a> Nat Commun. 1, 68(2010).</li>
<li>Huang, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+hierarchical+3d-motion+learning+framework+for+animal+spontaneous+behavior+mapping%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">A hierarchical 3d-motion learning framework for animal spontaneous behavior mapping.</a> Nat Commun. 12 (1), 2784(2021).</li>
<li>Juavinett, A. L., Bekheet, G., Churchland, A. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chronically+implanted+neuropixels+probes+enable+high-yield+recordings+in+freely+moving+mice%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">Chronically implanted neuropixels probes enable high-yield recordings in freely moving mice.</a> Elife. 8, e47188(2019).</li>
<li>Chen, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Miniature+fluorescence+microscopy+for+imaging+brain+activity+in+freely-behaving+animals%5BTitle%5D)+AND+%22Neurosci+Bull%22%5BJournal%5D)">Miniature fluorescence microscopy for imaging brain activity in freely-behaving animals.</a> Neurosci Bull. 36 (10), 1182-1190 (2020).</li>
<li>Zong, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large-scale+two-photon+calcium+imaging+in+freely+moving+mice%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Large-scale two-photon calcium imaging in freely moving mice.</a> Cell. 185 (7), 1240-1256.e30 (2022).</li>
<li>Zong, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+high-resolution+miniature+two-photon+microscopy+for+brain+imaging+in+freely+behaving+mice%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fast high-resolution miniature two-photon microscopy for brain imaging in freely behaving mice.</a> Nat Methods. 14 (7), 713-719 (2017).</li>
<li>Han, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mousevenue3d%3A+A+markerless+three-dimension+behavioral+tracking+system+for+matching+two-photon+brain+imaging+in+free-moving+mice%5BTitle%5D)+AND+%22Neurosci+Bull%22%5BJournal%5D)">Mousevenue3d: A markerless three-dimension behavioral tracking system for matching two-photon brain imaging in free-moving mice.</a> Neurosci Bull. 38 (3), 303-317 (2022).</li>
<li>Jazayeri, M., Ostojic, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+neural+computations+by+examining+intrinsic+and+embedding+dimensionality+of+neural+activity%5BTitle%5D)+AND+%22Curr+Opin+Neurobiol%22%5BJournal%5D)">Interpreting neural computations by examining intrinsic and embedding dimensionality of neural activity.</a> Curr Opin Neurobiol. 70, 113-120 (2021).</li>
<li>Churchland, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+population+dynamics+during+reaching%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Neural population dynamics during reaching.</a> Nature. 487 (7405), 51-56 (2012).</li>
<li>Van Der Maaten, L., Hinton, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visualizing+data+using+t-sne%5BTitle%5D)+AND+%22J+Machine+Learning+Res%22%5BJournal%5D)">Visualizing data using t-sne.</a> J Machine Learning Res. 9, 2579-2605 (2008).</li>
<li>Mcinnes, L., Healy, J., Melville, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Umap%3A+Uniform+manifold+approximation+and+projection+for+dimension+reduction%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">Umap: Uniform manifold approximation and projection for dimension reduction.</a> arXiv. , (2018).</li>
<li>Klibaite, U., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+the+landscape+of+social+behavior%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Mapping the landscape of social behavior.</a> Cell. 188 (8), 2249-2266.e23 (2025).</li>
<li>Zhou, D., Wei, X. 34th Conference on Neural Information Processing Systems (NeurIPS), , (2020).</li>
<li>Pereira, T. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sleap%3A+A+deep+learning+system+for+multi-animal+pose+tracking%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Sleap: A deep learning system for multi-animal pose tracking.</a> Nat Methods. 19 (4), 486-495 (2022).</li>
<li>Von Ziegler, L., Sturman, O., Bohacek, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Big+behavior%3A+Challenges+and+opportunities+in+a+new+era+of+deep+behavior+profiling%5BTitle%5D)+AND+%22Neuropsychopharmacology%22%5BJournal%5D)">Big behavior: Challenges and opportunities in a new era of deep behavior profiling.</a> Neuropsychopharmacology. 46 (1), 33-44 (2021).</li>
<li>Pereira, T. D., Shaevitz, J. W., Murthy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantifying+behavior+to+understand+the+brain%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">Quantifying behavior to understand the brain.</a> Nat Neurosci. 23 (12), 1537-1549 (2020).</li>
<li>Segalin, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+mouse+action+recognition+system+%28mars%29+software+pipeline+for+automated+analysis+of+social+behaviors+in+mice%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">The mouse action recognition system (mars) software pipeline for automated analysis of social behaviors in mice.</a> Elife. 10, e63720(2021).</li>
<li>Gris, K. V., Coutu, J. P., Gris, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Supervised+and+unsupervised+learning+technology+in+the+study+of+rodent+behavior%5BTitle%5D)+AND+%22Front+Behav+Neurosci%22%5BJournal%5D)">Supervised and unsupervised learning technology in the study of rodent behavior.</a> Front Behav Neurosci. 11, 141(2017).</li>
<li>Liu, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Objective+and+comprehensive+re-evaluation+of+anxiety-like+behaviors+in+mice+using+the+behavior+atlas%5BTitle%5D)+AND+%22Biochem+Biophys+Res+Commun%22%5BJournal%5D)">Objective and comprehensive re-evaluation of anxiety-like behaviors in mice using the behavior atlas.</a> Biochem Biophys Res Commun. 559, 1-7 (2021).</li>
<li>Bando, Y., Wenzel, M., Yuste, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simultaneous+two-photon+imaging+of+action+potentials+and+subthreshold+inputs+in+vivo%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Simultaneous two-photon imaging of action potentials and subthreshold inputs in vivo.</a> Nat Commun. 12 (1), 7229(2021).</li>
<li>Zhang, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+flexible+new+technique+for+camera+calibration%5BTitle%5D)+AND+%22IEEE+Transactions+on+pattern+analysis+and+machine+intelligence%22%5BJournal%5D)">A flexible new technique for camera calibration.</a> IEEE Transactions on pattern analysis and machine intelligence. 22 (11), 1330-1334 (2002).</li>
<li>Pachitariu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Suite2p%3A+Beyond+10%2C000+neurons+with+standard+two-photon+microscopy%5BTitle%5D)+AND+%22bioRxiv%22%5BJournal%5D)">Suite2p: Beyond 10,000 neurons with standard two-photon microscopy.</a> bioRxiv. , (2017).</li>
<li>Han, Y., Huang, K., Chen, K., Wang, L., Wei, P. IEEE 11th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER), , 306-310 (2021).</li>
<li>Sheshadri, S., Dann, B., Hueser, T., Scherberger, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3d+reconstruction+toolbox+for+behavior+tracked+with+multiple+cameras%5BTitle%5D)+AND+%22J+Open+Source+Soft%22%5BJournal%5D)">3d reconstruction toolbox for behavior tracked with multiple cameras.</a> J Open Source Soft. 5 (45), 1849(2020).</li>
<li>Zhong, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((S-ketamine+exposure+in+early+postnatal+period+induces+social+deficit+mediated+by+excessive+microglial+synaptic+pruning%5BTitle%5D)+AND+%22Mol+Psychiatry%22%5BJournal%5D)">S-ketamine exposure in early postnatal period induces social deficit mediated by excessive microglial synaptic pruning.</a> Mol Psychiatry. 30 (8), 3615-3631 (2025).</li>
<li>Datta, S. R., Anderson, D. J., Branson, K., Perona, P., Leifer, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computational+neuroethology%3A+A+call+to+action%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Computational neuroethology: A call to action.</a> Neuron. 104 (1), 11-24 (2019).</li>
<li>Schönemann, P. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+generalized+solution+of+the+orthogonal+procrustes+problem%5BTitle%5D)+AND+%22Psychometrika%22%5BJournal%5D)">A generalized solution of the orthogonal procrustes problem.</a> Psychometrika. 31 (1), 1-10 (1966).</li>
<li>Feldman, D. E., Brecht, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Map+plasticity+in+somatosensory+cortex%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Map plasticity in somatosensory cortex.</a> Science. 310 (5749), 810-815 (2005).</li>
<li>Karashchuk, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Anipose%3A+A+toolkit+for+robust+markerless+3d+pose+estimation%5BTitle%5D)+AND+%22Cell+Rep%22%5BJournal%5D)">Anipose: A toolkit for robust markerless 3d pose estimation.</a> Cell Rep. 36 (13), 109730(2021).</li>
<li>Laiz, R. G., Schmidt, T., Schneider, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Self-supervised+contrastive+learning+performs+non-linear+system+identification%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">Self-supervised contrastive learning performs non-linear system identification.</a> arXiv. , (2024).</li>
<li>Liberti, W. A., Perkins, L. N., Leman, D. P., Gardner, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+open+source%2C+wireless+capable+miniature+microscope+system%5BTitle%5D)+AND+%22J+Neural+Eng%22%5BJournal%5D)">An open source, wireless capable miniature microscope system.</a> J Neural Eng. 14 (4), 045001(2017).</li>
<li>Tuia, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Perspectives+in+machine+learning+for+wildlife+conservation%5BTitle%5D)+AND+%22Nat+Commun%22%5BJournal%5D)">Perspectives in machine learning for wildlife conservation.</a> Nat Commun. 13 (1), 792(2022).</li>
<li>Han, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((24-hour+simultaneous+MPFC%27s+miniature+2-photon+imaging%2C+EEG-EMG%2C+and+video+recording+during+natural+behaviors%5BTitle%5D)+AND+%22Sci+Data%22%5BJournal%5D)">24-hour simultaneous MPFC's miniature 2-photon imaging, EEG-EMG, and video recording during natural behaviors.</a> Sci Data. 12 (1), 1226(2025).</li>
<li>Ye, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hierarchical+behavioral+analysis+framework+as+a+platform+for+standardized+quantitative+identification+of+behaviors%5BTitle%5D)+AND+%22Cell+Rep%22%5BJournal%5D)">Hierarchical behavioral analysis framework as a platform for standardized quantitative identification of behaviors.</a> Cell Rep. 44 (2), 115239(2025).</li>
<li>Weinreb, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Keypoint-moseq%3A+Parsing+behavior+by+linking+point+tracking+to+pose+dynamics%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Keypoint-moseq: Parsing behavior by linking point tracking to pose dynamics.</a> Nat Methods. 21 (7), 1329-1339 (2024).</li>
<li>Jia, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((self-supervised+features+extraction+of+animal+behaviors%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">self-supervised features extraction of animal behaviors.</a> Elife. 11, e76218(2022).</li>
<li>Gosztolai, A., Peach, R. L., Arnaudon, A., Barahona, M., Vandergheynst, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Marble%3A+Interpretable+representations+of+neural+population+dynamics+using+geometric+deep+learning%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Marble: Interpretable representations of neural population dynamics using geometric deep learning.</a> Nat Methods. 22 (3), 612-620 (2025).</li>
<li>Stringer, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rastermap%3A+A+discovery+method+for+neural+population+recordings%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">Rastermap: A discovery method for neural population recordings.</a> Nat Neurosci. 28 (1), 201-212 (2025).</li>
<li>Vassilev, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Custom-built+operant+conditioning+setup+for+calcium+imaging+and+cognitive+testing+in+freely+moving+mice%5BTitle%5D)+AND+%22eNeuro%22%5BJournal%5D)">Custom-built operant conditioning setup for calcium imaging and cognitive testing in freely moving mice.</a> eNeuro. 9 (1), (2022).</li>
<li>Verma Rodriguez, A. K., Ramírez-Jarquin, J. O., Rossi-Pool, R., Tecuapetla, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Basal+ganglia+output+%28entopeduncular+nucleus%29+coding+of+contextual+kinematics+and+reward+in+the+freely+moving+mouse%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">Basal ganglia output (entopeduncular nucleus) coding of contextual kinematics and reward in the freely moving mouse.</a> Elife. 13, RP98159(2025).</li>
<li>Ju, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Long-term+two-photon+imaging+of+spinal+cord+in+freely+behaving+mice%5BTitle%5D)+AND+%22bioRxiv%22%5BJournal%5D)">Long-term two-photon imaging of spinal cord in freely behaving mice.</a> bioRxiv. , (2022).</li>
</ol>

<table><tbody><tr><td>3D davranış kayıt sistemi</td><td>BayONE Bilimsel</td><td>BA-3D-Fare</td><td>Entegre senkronizasyon modülü</td></tr><tr><td>Balon</td><td>AliExpress Hakkında</td><td>Erişim adresi: https://tinyurl.com/3uex669s</td><td>Helyumla doldurulduğunda uçabilecek kadar hafif olan herhangi bir balon. Balonlar, yaklaşık 45 cm çapında küresel folyo balonlardır ve kendinden sızdırmaz valflere sahiptir. URL, balonların bir örneğini sağlar.&nbsp;</td></tr><tr><td>Karbomer göz jeli</td><td>Vidisic</td><td>Carbomer 980 bazlı kayganlaştırıcı göz jeli</td><td>10g</td></tr><tr><td>Pamuk sicim</td><td>AliExpress Hakkında</td><td>Erişim adresi: https://tinyurl.com/ywu7u754</td><td>Kalın ve hafif, 1-2 mm çapında. URL, pamuklu sicimin bir örneğini sağlar.</td></tr><tr><td>Kafatası matkabı</td><td>Geri sar</td><td>78001</td><td>0,8, 1,4 ve 2,1 mm matkap</td></tr><tr><td>Özel kamera modülü yapılandırılabilir</td><td>Intel</td><td>Gerçek Duyu D435</td><td>/</td></tr><tr><td>Yüksek performanslı akrilik yapısal yapıştırıcı</td><td>HUITI</td><td>1320</td><td>490 ml</td></tr><tr><td>Görüntüleme için fare</td><td>VIVOSCOPE'UN ÖTESİ</td><td>Erişim adresi: https://en.tv-scope.com/</td><td>C57BL/6J arka plana sahip erkek fare (10 haftalık), 12&thinsp; h aydınlık-karanlık döngüsü 22&ndash'ta; 25&ince; &derece; C ile %40&ndash; %70 nem ve suya ve gıdaya ad libitum erişimine izin verildi. AAV9-CaMKII-GCaMP6s virüsleri, birincil somatosensoriyel korteksine (AP, &eksi; 0,60 mm; ML, & eksi; 2,40 mm; DV, 2,00 mm). Çalışmamızda fareler, profesyonel hayvan hazırlama hizmetlerinin bir parçası olarak TRANSCEND VIVOSCOPE ile hazırlandı. Bu hizmet, minyatür iki fotonlu mikroskopi sistemleri için özel olarak tasarlanmış virüs enjeksiyonu, kraniyal pencere implantasyonu ve taban plakası kurulumunu içerir.</td></tr><tr><td>Etkileşim için fare</td><td>BayONE LAC</td><td>Erişim adresi: https://lac.bayonesci.com/</td><td>C57BL/6J arka plana sahip erkek fareler (10 haftalık), 12&thinsp; h aydınlık-karanlık döngüsü 22&ndash'ta; 25&ince; &derece; C ile 40&ndash; %70 nem ve suya ve gıdaya ad libitum erişime izin verildi. Tüm hayvancılık ve deneysel prosedürler, Çin Bilimler Akademisi, Shenzhen İleri Teknoloji Enstitüsü'ndeki Hayvan Bakım ve Kullanım Komitesi tarafından onaylandı.</td></tr><tr><td>mTPM sinirsel kayıt sistemi</td><td>VIVOSCOPE'UN ÖTESİ</td><td>SÜPERNOVA-600</td><td>SUPERNOVA-600, tüm temel optik ve kayıt bileşenleri dahil olmak üzere, ancak harici stimülasyon cihazları hariç, serbestçe hareket eden kemirgenler için tam entegre bir minyatür iki fotonlu görüntüleme sistemidir. Entegre senkronizasyon modülünü içermelidir.&nbsp;</td></tr></tbody></table>

nöroetolojik yerleştirmeden doğal davranışın kodunu Çözmek

Decoding Natural Behavior from Neuroethological Embedding

Doğal davranışın incelenmesi, denemeye dayalı deneylere kıyasla daha fazla karmaşıklık sunar. İlk olarak, doğal koşullarda, hem sinirsel aktivite hem de davranış sabit bir temelden yoksundur. Bu aktiviteler tekrarlayıcıdır, yani önceki durumlardan etkilenirler ve bu nedenle, nöral aktivitenin karşılaştırılması için belirli davranışların başlangıcını hizalamak, önceki nöroetolojik durumların etkilerini çözmede başarısız olur. İkincisi, doğal davranışta nöral kodlama öncelikle popülasyon düzeyindegerçekleşir 4,5. Tek nöronlarda gözlenen değişkenlik, gürültü olarak kabul edilecek kadar önemlidir. Bunu doğrulamak için, bu bölüm nöral aktivite ile doğal davranışsal pozlar arasında bir korelasyon analizi yaptı (Şekil 2F, Şekil 3F, Şekil 4F). Ortaya çıkan korelasyon katsayısı matrisleri, poz izleriyle nörona özgü bir yazışma ortaya çıkarmadı. Spesifik olarak, nöral sinyaller ile denek pozları, nesne pozları veya vücutlar arası mesafeler arasındaki korelasyon katsayılarının tümü, genellikle zayıf korelasyonlar15 olarak kabul edilen -0,3 ila +0,3 aralığına düşmüştür (Şekil 2G, Şekil 3G, Şekil 4G). Bu bulgular, doğal koşullar altında, pozla ilgili bilgilerin nörona özgü bir şekilde kodlanmadığını göstermektedir.
Bu faktörler göz önüne alındığında, bu çerçeve, nöroetolojik verileri nöral popülasyon düzeyinde yakalamak ve haritalamak için objektif bir yaklaşım sunar. mTPM görüntüleme, bireysel nöronların değişkenliğinin mümkün olan en büyük ölçüde korunmasını sağlar. Ek olarak, ADPT tarafından derin öğrenmeye dayalı poz tahmininin ve BeA ve SBeA gibi denetimsiz davranış ayrıştırma yöntemlerinin kullanılması, CEBRA'nın sinir popülasyonları içindeki değişkenliği etkili bir şekilde yorumlamasına olanak tanıyan zengin yardımcı değişkenler üretir.
Bu örnekler, ortak CEBRA yerleştirmelerinin özne pozları, nesne pozları, vücut mesafeleri, özne davranış motifleri, nesne davranış motifleri ve sosyal davranış motifleri dahil olmak üzere tüm yardımcı değişkenlerde mevcut olduğunu göstermektedir (Şekil 5A). Oturumlar veya denekler arasında davranışsal motiflerin ve nöral yerleştirmelerin tutarlılığını doğrulamak için, üç fare çiftinde Procrustes analizi35 kullanılır (Şekil 5B). CEBRA gömmelerinin bir birim küre üzerinde dağıtıldığı göz önüne alındığında, yalnızca Procrustes analizindeki döndürme parametresi etkinleştirildi. Doğal davranışlı CEBRA yerleştirmeleri net bir temelden yoksun olduğundan, bu bölüm ilk olarak hizalamak için yerleştirmeler üzerinde etiket kılavuzlu hizalama örneklemesi gerçekleştirdi ve Procrustes analizini uygulamadan önce tutarlı bağlantı noktaları sağladı. Görsel olarak, bu CEBRA gömmeleri, vücut mesafesi ve sosyal motiflerin en yüksek hizalamayı göstermesiyle bir dereceye kadar içsel tutarlılık sergiler. Procrustes hizalamasından önce ve sonra RMSE'nin nicelleştirilmesine uyar (Şekil 5C). Daha sonra, gömme kod çözme doğruluğu pozlar (Şekil 5D) ve motifler (Şekil 5E) için karşılaştırılır. Temsilleri farklı olsa da, her biri yüksek doğrulukla çözülebilir. Vücut mesafesinin RMSE'sinin kod çözmesi, özne ve nesne pozlarından önemli ölçüde daha yüksek olmasına rağmen, ADPT7'nin izleme doğruluğundan daha fazla değildir.
Bu hipoteze dayalı yerleştirmelerin kökenlerini araştırmak için, CEBRA aracılığıyla kendi kendini organize eden bir nöral aktivite gömülmesi oluşturuldu (Şekil 5A, sağ sütun). Nöral gömmenin şekli, çeşitli eklem gömmelerinden gelen desenleri içeren diğer eklem gömmelerinden daha karmaşıktır. Ek olarak, nöral gömmeler ve eklem gömmeleri arasındaki benzerlikler Procrustes dönüşümü kullanılarak karşılaştırıldı ve daha sonra kosinüs benzerlikleri karşılaştırıldı (Şekil 5F). Kosinüs benzerliği, karşılık gelen zaman noktalarında hizalanmış yerleştirmeler arasında dakika başına elde edilir.
S1 denek pozu eklem gömme, S1'in kendi kendine organize olan somatosensoriyel girdileri kodlamadaki köklü rolüne dayanan benzerlik karşılaştırmaları için temel olarak seçilmiştir36. Bu yerleştirme, nesneyle ilgili motifler gibi diğer değişkenlerin aynı sinirsel alan içinde nasıl temsil edildiğini değerlendirmek için biyolojik olarak anlamlı bir referans noktası görevi görür. Bu tür karşılaştırmalar, kendiyle ilgili bir somatosensoriyel temele göre farklı davranışsal boyutlar için kodlamanın göreceli gücünü değerlendirmemizi sağlar.
Nöral gömmelerin kosinüs benzerliğini, temel olarak S1 denek pozları eklem gömme ile karşılaştırırken, bu çalışma, nesne motifleri için eklem gömmelerinin önemli ölçüde daha düşük olduğunu bulmuştur. Bu, bu örnekte 15 dakikalık serbest sosyal etkileşim süresi boyunca, denek farenin S1 sinirsel aktivitelerinin öncelikle hem davranışını hem de devam eden sosyal etkileşimleri kodladığını göstermektedir. Bu analiz açıklayıcı bir vaka olarak hizmet etse de, aynı metodolojik çerçeve, örneğin nöral kodlamadaki dinamik değişimleri ortaya çıkarmak için farklı zamansal dönemler boyunca gömme yapılarını karşılaştırarak daha ayrıntılı araştırmalara kolayca uygulanabilir.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68668/68668fig1.jpg"> 
Şekil 1: Nöroetolojik veri toplama prosedürü. (A) Cihazların entegrasyonu. (B) Veri kaydının işlemi. (C) Kayıttan sonra nöral sinyal çıkarma, 2D poz tahmini ve 3D vücut yörüngesi rekonstrüksiyonu. <a href="https://www.jove.com/files/ftp_upload/68668/68668fig1large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68668/68668fig2.jpg"> 
Şekil 2: Daha fazla analiz için fare 1'in önceden işlenmiş verileri. (A) Nöronal aktiviteler. (B) Konu pozları. (C) Nesne pozları. (D) Vücut mesafesi. (E) Davranış motifleri. Yukarıdan aşağıya özne, nesne ve sosyal davranış motifleri yer alır. (F) Nöral aktivite ve pozlar arasındaki korelasyon katsayısı matrisleri. Solda: sinirsel aktivite ve denek pozları arasındaki korelasyon katsayıları. Merkez: sinirsel aktivite ve nesne pozları arasındaki korelasyon katsayıları. Sağda: sinirsel aktivite ile vücut mesafesi arasındaki korelasyon katsayıları. Korelasyon katsayıları, her nöron izi ile her poz boyutu arasındadır. (G) F'nin korelasyon katsayılarının dağılımları. Nöron indeksleri, nöral aktivite ve denek pozları arasındaki korelasyon katsayılarına göre sıralanır. Kısaltmalar: N &amp; S = nöral aktivite ve konu pozları, N &amp; O = nöral aktivite ve nesne pozları, N &amp; B = nöral aktivite ve vücut mesafeleri, CC = korelasyon katsayıları. <a href="https://www.jove.com/files/ftp_upload/68668/68668fig2large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/68668/68668fig3.jpg"> 
Şekil 3: Daha fazla analiz için fare 2'nin önceden işlenmiş verileri. (A) Nöronal aktiviteler. (B) Konu pozları. (C) Nesne pozları. (D) Vücut mesafesi. (E) Davranış motifleri. Yukarıdan aşağıya özne, nesne ve sosyal davranış motifleri yer alır. (F) Nöral aktivite ve pozlar arasındaki korelasyon katsayısı matrisleri. Solda: sinirsel aktivite ve denek pozları arasındaki korelasyon katsayıları. Merkez: sinirsel aktivite ve nesne pozları arasındaki korelasyon katsayıları. Sağda: sinirsel aktivite ile vücut mesafesi arasındaki korelasyon katsayıları. Korelasyon katsayıları, her nöron izi ile her poz boyutu arasındadır. (G) F'nin korelasyon katsayılarının dağılımları. Nöron indeksleri, nöral aktivite ve denek pozları arasındaki korelasyon katsayılarına göre sıralanır. Kısaltmalar: N &amp; S = nöral aktivite ve konu pozları, N &amp; O = nöral aktivite ve nesne pozları, N &amp; B = nöral aktivite ve vücut mesafeleri, CC = korelasyon katsayıları. <a href="https://www.jove.com/files/ftp_upload/68668/68668fig3large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/68668/68668fig4.jpg"> 
Şekil 4: Daha fazla analiz için fare 3'ün önceden işlenmiş verileri. (A) Nöronal aktiviteler. (B) Konu pozları. (C) Nesne pozları. (D) Vücut mesafesi. (E) Davranış motifleri. Yukarıdan aşağıya özne, nesne ve sosyal davranış motifleri yer alır. (F) Nöral aktivite ve pozlar arasındaki korelasyon katsayısı matrisleri. Solda: sinirsel aktivite ve denek pozları arasındaki korelasyon katsayıları. Merkez: sinirsel aktivite ve nesne pozları arasındaki korelasyon katsayıları. Sağda: sinirsel aktivite ile vücut mesafesi arasındaki korelasyon katsayıları. Korelasyon katsayıları, her nöron izi ile her poz boyutu arasındadır. (G) F'nin korelasyon katsayılarının dağılımları. Nöron indeksleri, nöral aktivite ve denek pozları arasındaki korelasyon katsayılarına göre sıralanır. Kısaltmalar: N &amp; S = nöral aktivite ve konu pozları, N &amp; O = nöral aktivite ve nesne pozları, N &amp; B = nöral aktivite ve vücut mesafeleri, CC = korelasyon katsayıları. <a href="https://www.jove.com/files/ftp_upload/68668/68668fig4large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/68668/68668fig5.jpg"> 
Şekil 5: Nöroetolojik verilerin CEBRA yerleştirmelerinin analizi. (A) CEBRA yerleştirmeleri. Soldan sağa, S1 nöral aktivite ve özne pozlarının ortak gömülmesi, S1 nöral aktivite ve nesne pozlarının ortak gömülmesi, S1 nöral aktivitenin ve iki hayvan arasındaki vücut mesafelerinin ortak gömülmesi, S1 nöral aktivite ve özne davranış motiflerinin ortak gömülmesi, S1 nöral aktivite ve nesne davranış motiflerinin ortak gömülmesi, S1 nöral aktivitesi ve sosyal davranış motiflerinin ortak gömülmesi ve S1'in nöral gömülmesi. (B) Procrustes analizi, yukarıdaki yerleştirmeleri hizalar. Gri daireler, referans yerleştirme görevi gören fare çiftini 1 temsil eder. Yeşil artı işaretleri fare çifti 2'yi, turuncu çarpılar ise fare çifti 3'ü temsil eder ve her ikisi de fare çifti 1'e hizalanır. (C) Procrustes hizalamasından önce (solda) ve sonra (sağda) ortalama karekök hatası (RMSE) (Eşleştirilmiş t-testi, n=3, ortalama ± SEM). (D) CEBRA yerleştirmelerinden poz rekonstrüksiyonunun RMSE'si (tek yönlü ANOVA ve ardından Tukey'in çoklu karşılaştırma testi, n=3, ortalama ± SEM). (E) CEBRA yerleştirmelerinden motif rekonstrüksiyonunun doğruluğu (tek yönlü ANOVA ve ardından Tukey'in çoklu karşılaştırma testi, n=3, ortalama ± SEM). (F) Eklem gömülmeleri ile S1'in nöral gömülmesi arasındaki kosinüs benzerlikleri (tek yönlü ANOVA ve ardından Dunnett'in çoklu karşılaştırma testi, n=45, ortalama ± SEM). *p &lt; 0.05, **p &lt; 0.01, ***p &lt; 0.001. <a href="https://www.jove.com/files/ftp_upload/68668/68668fig5large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Hayır.</td>
			<td>Gözlemlenen sorun</td>
			<td>Muhtemel neden</td>
			<td>Muhtemel çözümler</td>
		</tr>
		<tr>
			<td rowspan="3">1</td>
			<td rowspan="3">Davranış zaman damgası yok</td>
			<td>(1) Arızalı SMA veya BNC kabloları</td>
			<td>(1) SMA ve BNC kablolarını değiştirin</td>
		</tr>
		<tr>
			<td>(2) Eksik USB'den TTL'ye sürücü</td>
			<td>(2) Prolific PL2303 USB sürücüsünü yükleyin</td>
		</tr>
		<tr>
			<td>(3) Yanlış COM bağlantı noktası seçimi</td>
			<td>(3) Aygıt Yöneticisi'nde COM bağlantı noktası numarasını doğrulayın ve hem mTPM yazılımında hem de davranış kamerası komut dosyasında güncelleyin.</td>
		</tr>
		<tr>
			<td rowspan="4">2</td>
			<td rowspan="4">mTPM montajı sırasında görünür floresan yok</td>
			<td>(1) Viral ekspresyon eksikliği</td>
			<td>(1) Farklı bir fare kullanın</td>
		</tr>
		<tr>
			<td>(2) Yanlış görüş alanı</td>
			<td>(2) Görüş alanını yeniden ayarlayın</td>
		</tr>
		<tr>
			<td>(3) Yetersiz lazer gücü</td>
			<td>(3) Lazer gücünü kademeli olarak artırın</td>
		</tr>
		<tr>
			<td>(4) Kurutulmuş Karbomer jeli</td>
			<td>(4) Taze Karbomer jeli tekrar uygulayın</td>
		</tr>
		<tr>
			<td rowspan="3">3</td>
			<td rowspan="3">mTPM görüntüleme tamamen beyaz bir ekran gösteriyor</td>
			<td>(1) Işık sızıntısı</td>
			<td>(1) Uygun koruma için alüminyum folyoyu yeniden sarın</td>
		</tr>
		<tr>
			<td>(2) Yetersiz lazer gücü</td>
			<td>(2) Lazer gücünü kademeli olarak artırın</td>
		</tr>
		<tr>
			<td>(3) mTPM kafasından ayrılmış fiber</td>
			<td>(3) Fiberi mTPM'ye yeniden yerleştirin ve sabitleme vidasını sıkın</td>
		</tr>
		<tr>
			<td rowspan="3">4</td>
			<td rowspan="3">Davranışsal videoda atlanan kareler</td>
			<td>(1) Düşük ortam aydınlatması</td>
			<td>(1) Arka plan aydınlatmasını artırın</td>
		</tr>
		<tr>
			<td>(2) Yanlış USB bağlantı noktası</td>
			<td>(2) En az USB 3.0 bağlantı noktası kullanın</td>
		</tr>
		<tr>
			<td>(3) Yetersiz bilgisayar performansı</td>
			<td>(3) Intel i7-9700K veya üzeri, çift kanallı RAM ve SSD depolama alanına sahip bir makine kullanın.</td>
		</tr>
		<tr>
			<td rowspan="3">5</td>
			<td rowspan="3">mTPM'ye monte edilmiş farelerde hareket yok</td>
			<td>(1) Aynı farenin tekrar tekrar kullanılması</td>
			<td>(1) Fareleri 3 gün içinde tekrar kullanmaktan kaçının</td>
		</tr>
		<tr>
			<td>(2) Aşırı alüminyum folyo kullanımı</td>
			<td>(2) Işık koruması için gereken minimum folyoyu kullanın</td>
		</tr>
		<tr>
			<td>(3) Yetersiz sayıda veya hacimde helyum balonu</td>
			<td>(3) Farelerin doğal duruşuna ve hareketine izin verirken mTPM lifini desteklemek için balonların sayısını ve şişirilmesini ayarlayın.</td>
		</tr>
		<tr>
			<td rowspan="2">6</td>
			<td rowspan="2">Yanlış 2D poz tahmini</td>
			<td>(1) Manuel olarak etiketlenmiş çerçeve sayısının yetersiz olması</td>
			<td>(1) En az 200 kareye artımlı olarak açıklama ekleyin</td>
		</tr>
		<tr>
			<td>(2) Yetersiz eğitimli ADPT modeli</td>
			<td>(2) ADPT'nin config.yaml dosyasındaki eğitim dönemlerini artırın</td>
		</tr>
		<tr>
			<td rowspan="3">7</td>
			<td rowspan="3">Anormal 3D poz rekonstrüksiyonu</td>
			<td>(1) Yanlış kamera kalibrasyonu</td>
			<td>(1) Kalibrasyon kontrastını ve eğim açısını iyileştirin</td>
		</tr>
		<tr>
			<td>(2) Hatalı 2D poz girişi</td>
			<td>(2) Yakalanan kontrol panosu çerçevelerinin sayısını artırın</td>
		</tr>
		<tr>
			<td></td>
			<td>(3) Önce 2B poz sorunlarını çözün (bkz. Sorun 6)</td>
		</tr>
		<tr>
			<td rowspan="3">8</td>
			<td rowspan="3">Sinirsel ve davranışsal veriler arasındaki uyumsuzluk</td>
			<td>(1) Yanlış yazılım başlatma sırası</td>
			<td>(1) mTPM kaydını her zaman davranış kamerasından önce başlatın</td>
		</tr>
		<tr>
			<td>(2) Bırakılan davranış çerçeveleri</td>
			<td>(2) Kare düşmesi sorunlarını giderin (bkz. Sorun 4)</td>
		</tr>
		<tr>
			<td></td>
			<td>(3) Yeterli disk alanının mevcut olduğundan emin olun</td>
		</tr>
		<tr>
			<td rowspan="3">9</td>
			<td rowspan="3">BeA/SBeA işleme sırasında bellek taşması</td>
			<td>(1) Aşırı kayıt süresi</td>
			<td>(1) Kayıtları daha kısa bölümlere ayırın (5-60 dakika), ardından BeA/SBeA'yı çalıştırın</td>
		</tr>
		<tr>
			<td>(2) Sınırlı sistem RAM'i</td>
			<td>(2) BeA'da zamansal indirgeme faktörünü (örneğin 5'ten 10'a) artırın</td>
		</tr>
		<tr>
			<td></td>
			<td>(3) RAM'i en az 64 GB'a yükseltin</td>
		</tr>
		<tr>
			<td rowspan="3">10</td>
			<td rowspan="3">CEBRA GPU'da çalışmıyor</td>
			<td>(1) CUDA ve GPU sürücüsü arasındaki uyumsuzluk</td>
			<td>(1) CUDA 11.3'ü yüklemek için öğreticiyi doğrudan takip etmeyin</td>
		</tr>
		<tr>
			<td>(2) Uyumsuz PyTorch sürümü</td>
			<td>(2) GPU modelinizi ve sürücü sürümünüzü kontrol edin (nvidia-smi)</td>
		</tr>
		<tr>
			<td></td>
			<td>(3) Doğru CUDA ve PyTorch sürümlerini uygun şekilde kurun ve ardından CEBRA'yı pip aracılığıyla kurun</td>
		</tr>
	</tbody>
</table>
Tablo 1: Sorun giderme listesi. Aşağıda, daha önce karşılaşılan önemsiz olmayan 10 sorunun ve olası çözümlerin bir listesi bulunmaktadır.

Nöroetolojik Yerleştirmeden Doğal Davranışın Kodunu Çözmek

Animals engage with their natural environment through rich and dynamic brain activity. Understanding how neural population dynamics encode naturalistic ...

decoding-natural-behavior-from-neuroethological-embedding

Research

JoVE Journal

Neuroscience

Sinirbilim

Serbestçe hayvanlar davranıyor sinirsel aktivite desen non-invaziv ölçümler, yüksek hız videografisi ile nörofizyolojik kayıtları birleştirerek elde edilir.

Serbestçe Hayvanlar Behaving Sinir Devre Etkinleştirme kayıtları

Karşılaştırmalı tür yaklaşım davranışsal sinirbilimciler, belirli bir hayvan modelinin karakteristik olarak görülmelidir özel davranışları ile ilgili çeşitli nörobiyolojik faktörler keşfetmek için izin verir. Yakından ilgili türler arasındaki davranış farklılıkları doğal olarak meydana gelen yararlanarak, bu tekniği invaziv tekniklerin davranış ifade işlemek için gerekli değildir.

Baba Yanıtları Nörobiyoloji incelenmesi Karşılaştırmalı Türlerin Yaklaşım

Bu makalede, robotik bir cisimle sürekli etkileşim sırasında bilgi işleme (yani kodlama ve kod çözme) ve nöronal düzeneklerin öğrenilmesinin incelendiği kapalı döngü deneyleri gerçekleştirmek için deneysel bir çerçeve sunulmaktadır.

Kapalı döngü Nöro-robotik Deneyler Nöronal Ağları Hesaplamalı Properties Test

Bu protokol, bir aktörle senaryosuz sosyal etkileşim sırasında özgürce davranan bebeklerden gelen niyetin sinirsel olarak çözülmesi için yeni bir metodoloji sunar. Nöral aktivite, non-invaziv yüksek yoğunluklu aktif kafa elektroensefalografisi (EEG) kullanılarak elde edilir. Kinematik veriler atalet ölçüm birimleri ile toplanır ve senkronize video kaydı ile desteklenir.

İnsan Bebekler Serbestçe-davrandığını Sosyal Etkileşim sırasında Niyet Multimodal Sinir Coded Yeni Bir Deneysel ve Analitik Bir Yaklaşım

Burada, davranışları ve hayati bir mechanosensory sistem boyama yöntemleri için yüksek üretilen iş çalışma Meksika cavefish bir dizi mevcut. Bu yöntemler davranışları çalışmaları için pratik ve düşük maliyetli bir yöntem sağlayan ücretsiz yazılım ve özel komut dosyalarını kullanın.

Davranışsal izleme ve Meksika Cavefish Neuromast görüntüleme

Bu protokolün amacı, davranış izlemeyi otomatikleştirmek ve ayrıntılı davranış analizi yapmak için önceden oluşturulmuş kvolutional sinir ağları kullanmaktır. Davranış izleme herhangi bir video veri veya görüntü dizileri uygulanabilir ve herhangi bir kullanıcı tanımlı nesne izlemek için genelleştirilebilir.

DeepBehavior Adım Adım Uygulama, Otomatik Davranış Analizi için Derin Öğrenme Araç Kutusu

Bu çalışma, araştırmacıların gerçek zamanlı eylem uyaranları sunmalarına, katılımcılar her uyaran gösteriminden sonra yanıt verirken tepki süresi ve fare izleme verilerini elde etmelerine ve özel bir şeffaf organik ışık yayan diyot (OLED) ekranı ve ışık manipülasyonu içeren benzersiz bir sistemle deneysel koşullar arasında aktörleri değiştirmelerine olanak tanıyan natüralist bir deney düzeneği sunmaktadır.

Deneysel psikoloji ve bilişsel sinirbilim çalışmalarında gerçek insanları ve canlı eylemleri sunmak için natüralist bir kurulum

Burada, MRI ortamlarında davranışsal izlemedeki zorlukların üstesinden gelen ve dış ipuçlarına talimatsız davranışsal tepkilerin tespit edilmesine olanak tanıyan bir video analiz hattı sunulmaktadır. Bu analiz, uyarılmış iç durum değişikliklerinin ve beyin genelindeki aktivitenin daha kapsamlı bir şekilde anlaşılmasını kolaylaştıracaktır.

Tüm Beyin Görüntüleme Sırasında Anne Davranış Tepkilerinin Profillenmesi

Koku için koku alma duyu nöronlarının elektrofizyolojik yanıtlar tek sensillum kayıtları kullanarak böcekleri ölçülebilir. Bu video makalede, sirke sineği antenler tek sensillum kayıtları nasıl gerçekleştirileceği gösterecektir...

Böcekler Tek Sensillum Kayıtlar Drosophila melanogaster Ve Anofel gambiae</em

Yetişkin hayvanlarda yenidoğan dentat granül hücrelerin entegrasyonu çalışma bir şekilde açıklanmıştır. Bu teknik, yeni doğan nöronlar, in vivo işlevsel entegrasyonu belirlemek için elektrofizyolojik kayıtlar takip etiketlemek için tasarlanmış bir retrovirüs kullanır.

Yetişkin doğmuş Nöronlar Entegrasyon incelenmesi

Öğrenin, farelerde serbest hareket koşullarında nörodinamik kodlamayı inceleyerek doğal davranış beyin ilişkisini çözümleyin. Bu yöntem, karmaşık yaşam sistemlerinde zekayı anlamak için zengin veri toplar.

Nöroetolojik Yerleştirmeden Doğal Davranışın Kodunu Çözmek

Daha fazla video keşfet