文献

J-GLOBAL ID：201902233567717857   整理番号：19A2125347

STEFTR:動物行動の軌跡からの状態推定と特徴抽出のためのハイブリッド汎用法【JST・京大機械翻訳】

STEFTR: A Hybrid Versatile Method for State Estimation and Feature Extraction From the Trajectory of Animal Behavior

著者 (28件)： Yamazaki Shuhei J. (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Yamazaki Shuhei J. (Graduate School of Natural Sciences, Nagoya City University, Nagoya, Japan) ,  Ohara Kazuya (Graduate School of Information Science and Technology, Osaka University, Suita, Japan) ,  Ito Kentaro (Department of Polar Science, The Graduate University for Advanced Studies, Tachikawa, Japan) ,  Kokubun Nobuo (Department of Polar Science, The Graduate University for Advanced Studies, Tachikawa, Japan) ,  Kokubun Nobuo (National Institute of Polar Research, Tachikawa, Japan) ,  Kitanishi Takuma (Department of Physiology, Osaka City University Graduate School of Medicine, Osaka, Japan) ,  Kitanishi Takuma (Center for Brain Science, Osaka City University Graduate School of Medicine, Osaka, Japan) ,  Kitanishi Takuma (Precursory Research for Embryonic Science and Technology, Japan Science and Technology Agency, Kawaguchi, Japan) ,  Takaichi Daisuke (Graduate School of Science, Nagoya University, Nagoya, Japan) ,  Yamada Yasufumi (Faculty of Life and Medical Sciences, Doshisha University, Kyotanabe, Japan) ,  Ikejiri Yosuke (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Ikejiri Yosuke (Graduate School of Natural Sciences, Nagoya City University, Nagoya, Japan) ,  Hiramatsu Fumie (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Fujita Kosuke (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Tanimoto Yuki (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Yamazoe-Umemoto Akiko (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Hashimoto Koichi (Graduate School of Information Sciences, Tohoku University, Sendai, Japan) ,  Sato Katsufumi (Atmosphere and Ocean Research Institute, The University of Tokyo, Kashiwa, Japan) ,  Yoda Ken (Graduate School of Environmental Studies, Nagoya University, Nagoya, Japan) ,  Takahashi Akinori (Department of Polar Science, The Graduate University for Advanced Studies, Tachikawa, Japan) ,  Takahashi Akinori (National Institute of Polar Research, Tachikawa, Japan) ,  Ishikawa Yuki (Graduate School of Science, Nagoya University, Nagoya, Japan) ,  Kamikouchi Azusa (Graduate School of Science, Nagoya University, Nagoya, Japan) ,  Hiryu Shizuko (Faculty of Life and Medical Sciences, Doshisha University, Kyotanabe, Japan) ,  Maekawa Takuya (Graduate School of Information Science and Technology, Osaka University, Suita, Japan) ,  Kimura Koutarou D. (Graduate School of Science, Osaka University, Toyonaka, Japan) ,  Kimura Koutarou D. (Graduate School of Natural Sciences, Nagoya City University, Nagoya, Japan)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 13  ページ： 626  発行年： 2019年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 動物行動は脳活動の最終的で統合された出力である。したがって,記録と分析挙動は,基礎となる脳機能を理解するために重要である。動物行動を記録することは,コンパクトで安価な装置の開発により,より容易になったが,詳細な行動データ解析は,動物の姿勢のビデオ画像のような十分な事前知識および/または高いコンテンツデータを必要とし,それは,ほとんどの動物行動データを効率的に分析することを困難にする。ここでは,低コンテンツ動物軌道データのみからの行動状態推定と特徴抽出(STEFTR)のためのハイブリッド教師つき/教師なし機械学習手法を用いた多能な方法を報告した。提案した方法の有効性を実証するために,実験室における虫,果実ハエ,ラット,コウモリの軌跡データを分析し,様々な方法で記録し,空間においてmmから1,000kmまで,そして時間においてサブ秒から日までの広い範囲の時空間スケールを示した。著者らは,行動中のいくつかの状態をうまく推定し,行動状態および/または特定の実験条件から特徴的な特徴を包括的に抽出した。虫における生理学的および遺伝的実験は,抽出された行動特徴が特異的な神経または遺伝子活性を反映していることを明らかにした。したがって,著者らの方法は,脳機能を理解するために,単純な軌跡データから行動特徴を抽出するための多能で非バイアスな方法を提供する。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *状態推定 ,  遺伝子 ,  *特徴抽出 ,  コウモリ ,  遺伝 ,  *動物行動 ,  *軌跡 ,  データ解析 ,  ラット ,  有効性 ,  *動物 ,  コンテンツ ,  バイアス
準シソーラス用語： 神経 ,  事前知識 , 【Automatic Indexing@JST】

著者キーワード (6件)： 定量的行動分析 ,  行動状態 ,  特徴抽出 ,  ナビゲーション ,  カルシウムイメージング ,  遺伝子スクリーニング

分類 (1件)： 中枢神経系  (EJ12030F)

引用文献 (72件)：

• Alivisatos A. P., Chun M., Church G. M., Greenspan R. J., Roukes M. L., Yuste R. (2012). The Brain Activity Map Project and the Challenge of Functional Connectomics. Neuron 74 970-974. doi: 10.1016/j.neuron.2012.06.006
• Anderson D. J., Perona P. (2014). Toward a Science of Computational Ethology. Neuron 84 18-31. doi: 10.1016/j.neuron.2014.09.005
• Baek J.-H., Cosman P., Feng Z., Silver J., Schafer W. R. (2002). Using machine vision to analyze and classify Caenorhabditis elegans behavioral phenotypes quantitatively. J. Neurosci. Methods 118 9-21. doi: 10.1016/s0165-0270(02)00117-6
• Bargmann C. I. (2006). Chemosensation in C. elegans. WormBook 1-29. doi: 10.1895/wormbook.1.123.1
• Bargmann C. I., Hartwieg E., Horvitz H. R. (1993). Odorant-selective genes and neurons mediate olfaction in C. elegans. Cell 74 515-527. doi: 10.1016/0092-8674(93)80053-h

タイトルに関連する用語 (6件)： 動物 ,  行動 ,  軌跡 ,  状態推定 ,  特徴抽出 ,  汎用