一种新型计算程序使科学家能够在较长时间内同时监测多种动物的行为，并自动分析它们的动作。这一看似简单的进展标志着一个重要的里程碑，为对这种复杂观察结果的标准化和评估提供了可靠且易于获取的途径。
想象一下，19世纪的研究者戴着一顶髓头盔，观察动物在其自然栖息地中的行为。又或者设想在上世纪70年代，马克斯·普朗克学会的资深研究员康拉德·洛伦兹在施塔恩贝格湖附近密切跟踪他的灰雁——行为研究的起源正是基于观察和记录人们所见的现象。
接下来是在实验室中进行的工作，创建标准化的环境以便于比较。研究人员获得了宝贵的见解，但始终存在局限性：环境和测试设置、动物数量以及观察持续时间与某些自然行为的复杂性之间存在不一致，无论是针对个体还是社会行为。
此外，观察动物行为不仅有助于更好地理解特定物种对特定刺激的反应，还能帮助研究人员更准确地界定人类的精神障碍，从而提供更为个性化的治疗方案。
几年前，科学家们通过开源工具箱DeepLabCut取得了重大突破。该工具不仅能够在简单环境中跟踪单个动物的中心点，还能自动检测现实环境中多个动物的复杂身体姿势。这为开发能够从这些数据中提取信息的新工具奠定了基础，因为捕捉姿势与分析潜在行为是两个不同的过程。
将运动与行为相结合
本文来自作者[admin]投稿，不代表岳掌门号立场，如若转载，请注明出处：https://zhangfs.com/cskp/202507-3570.html
评论列表（4条）
我是岳掌门号的签约作者“admin”！
希望本篇文章《结合机器学习与行为神经科学：实现更精准的表型分析》能对你有所帮助！
本站[岳掌门号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：一种新型计算程序使科学家能够在较长时间内同时监测多种动物的行为，并自动分析它们的动作。这一看似简单的进展标志着一个重要的里程碑，为对这种复杂...