Viselkedéselemző szoftverek fejlesztése

Viselkedéselemző szoftverek fejlesztése

Viselkedéselemző szoftverek fejlesztése

A nagy áteresztőképességű módszerek használata elterjedt az idegtudományban, pl. a génexpressziós vizsgálatok vagy in vitro gyógyszerkutatás egyszerre képes több tízezer molekulát vizsgálni. Ezért az állatkísérletek szűk keresztmetszetekké váltak a neuronális funkciók megértésében. Az állatok idegrendszerének fő kimenete a viselkedésük, következésképpen az automatizált viselkedéselemzés jelentős megoldatlan probléma. A munka jelenleg is zajlik a rádiófrekvenciás azonosítás és videóelemzés, mint a két legígéretesebb megközelítés alkalmazásával.

Az állatok viselkedésével kapcsolatos legalapvetőbb információ a helyük. Az állatok nyomon követése egy darab állat, vagy nagyszámú kisállat esetében sikeres volt, amikor az egyéni azonosítás nem szükséges. Azonban számos neuropszichiátriai rendellenesség, például a skizofrénia és a depresszió kóros szociális interakciókat tartalmaz, míg másokban ez az elsődleges probléma, például a szociális szorongásos zavar és az autizmus spektrum zavar. E rendellenességek tanulmányozása, valamint a társas interakciók szabályozásáért felelős normál agyi mechanizmusok megértése egynél több állat viselkedési elemzését igényli. A rágcsálóknál a szociális interakciókat gyakran úgy hajtják végre, hogy az állatoknak nem engedik meg a közvetlen interakciót, hogy elkerüljék a két állat folyamatos azonosításának problémáját. Ez az oka annak, hogy a 3-kamrás teszt és hasonló megközelítések népszerűvé váltak a szociális viselkedések elemzésében. Azonban ezek komoly korlátokat is jelentenek, mivel a közvetlen interakció az állatok szociális viselkedésének természetes módja. Ezért további kutatásokra van szükség a társas viselkedések automatizált elemzéséhez, ha a közvetlen interakciók megengedettek. A videokövetés gyakori problémája, hogy képtelenség megőrizni az állatok azonosságát, amikor azok egymás takarásában vannak.

A rádiófrekvenciás módszerekkel könnyebben lehet megbirkózni ezzel a kihívással, mivel minden állat egyedi jelátalakítóval látható el. Ez a technika speciális tereket kíván, ahol az állatok kódja leolvasható. Egy ilyen készülék az Intellicage, amelyben 16 állat hónapokon át együtt élhet, miközben viselkedésüket monitorozzuk. Innovatív szoftverfejlesztéseink egyik célja, hogy a műszer által leolvasott nagyszámú adatot megfelelő módon értelmezni tudjuk.

Intellicage lakóketrec. A sarkokba egyesével léphetnek az állatok, hogy ott operáns kondicionálási feladatot végezzenek

A rádiófrekvenciás módszereknek hátránya, hogy transzducereket kell beültetni az állatokba, és szenzorokra van szükség az állatok relatív közelségében. Ezen túlmenően, ha az állatokat el kell különíteni a műtét utáni felépülésük során, nemkívánatos hatással lehet viselkedésükre. Így az automatizált videoelemzés sok esetben jobb megoldás lehet, de meg kell oldani az egyébként hasonló állatok folyamatos azonosításának problémáját. Az állatok elkülönítése a videók alapján csak a mély tanulási technikák közelmúltbeli fejlődésével vált lehetségessé, amely felülmúlhatja a hagyományos megközelítéseket az egyedi rágcsálók nyomon követésében. Ebből a célból egy szoftverfejlesztésben veszünk részt Dr. Lőrinc András (ELTE, Mesterséges Intelligencia Tanszék) kutatócsoportjával közösen, melynek célja patkányok szociális viselkedésének automata videoelemzése szegmentációt és neurális hálókat használó szoftverek alkalmazásával.

A mélytanulásos állatfelismerés elve