文献

J-GLOBAL ID：201802247504257094   整理番号：18A0328651

私のラットは実験動物の挙動理解に何をしている【Powered by NICT】

What is my rat doing? Behavior understanding of laboratory animals

著者 (4件)： Crispim-Junior Carlos Fernando (Institute of Biomedical Engineering - Department of Electrical Engineering - USFC, Trindade, Florianopolis - SC, 88040900, Brazil) ,  Crispim-Junior Carlos Fernando (Inria Sophia Antipolis, 2004 Route de Lucioles, 06902, Valbonne, France) ,  de Azevedo Fernando Mendes (Institute of Biomedical Engineering - Department of Electrical Engineering - USFC, Trindade, Florianopolis - SC, 88040900, Brazil) ,  Marino-Neto Jose (Institute of Biomedical Engineering - Department of Electrical Engineering - USFC, Trindade, Florianopolis - SC, 88040900, Brazil)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 94  ページ： 134-143  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 動物行動記録は,生物学および医学研究において重要な役割を果たす。この作業を自動化するために現在の方法は挙動信号(例えば動物形態)のほんの少数の特徴あるクラスの挙動のための偏った計数を引き起こすに達する。本論文では,時間上の分布は,記述的統計特徴(DSF;中心傾向と分散指標)を用いてモデル化した視覚特徴(形態学的および運動学的)のハイブリッド集合に基づく実験室ラットにおける行動の自動分類のためのフレームワークを詳述した。行動分類は行動クラス当たりの選択した統計的に入力DSFsとして用いた多層パーセプトロン(MLP)ネットワークによって行われる。MLP学習と評価のためのデータは,カフェイン(2または6mg/kg)または賦形剤(対照)を注射後10分間のオープンフィールドアリーナに置かれた個別ラット(=6,成体Wistar雌)のビデオ記録から導出した。実験データは,DSFsの統計的にガイドされた選択は,入力特徴集合におけるあいまいさと冗長性を低減する二次利点を持つ固有属性を用いた行動分類性能を大幅に改善することを示した。最後に,提案したフレームワークは,行動のモード,動的側面における薬物誘発と制御ビデオ試料間の差異を識別できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 成体 ,  *実験動物 ,  録画装置 ,  形態 ,  *動物 ,  モルフォロジー ,  自動分類 ,  冗長性 ,  モデリング ,  自動化 ,  賦形剤 ,  多層パーセプトロン ,  動物行動 ,  学習 ,  録画

著者キーワード (5件)： 特徴選択 ,  記述統計 ,  多層パーセプトロン ,  動物の行動 ,  ビデオ理解

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ラット ,  実験 ,  動物 ,  挙動 ,  理解