論文の概要: Gaining Explainability from a CNN for Stereotype Detection Based on Mice Stopping Behavior

• arxiv url: http://arxiv.org/abs/2412.05158v1
• Date: Fri, 06 Dec 2024 16:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:56:00.494952
• Title: Gaining Explainability from a CNN for Stereotype Detection Based on Mice Stopping Behavior
• Title（参考訳）: マウス停止行動に基づくステレオタイプ検出のためのCNNからのゲイン説明可能性
• Authors: Raul Alfredo de Sousa Silva, Yasmine Belaidouni, Rabah Iguernaissi, Djamal Merad, Séverine Dubuisson,
• Abstract要約: 我々は、各個体の停止点の連続を通して、マウスの年齢/性別を明らかにする形質を特定することに重点を置いている。 メスのマウスは、より認識可能な行動パターンを示し、90%以上の分類精度に達する。 雄、特に幼体は、幼体と成体の間に振動する行動パターンを示す。
• 参考スコア（独自算出の注目度）: 1.7621868098272222
• License:
• Abstract: Understanding the behavior of laboratory animals is a key to find answers about diseases and neurodevelopmental disorders that also affects humans. One behavior of interest is the stopping, as it correlates with exploration, feeding and sleeping habits of individuals. To improve comprehension of animal's behavior, we focus on identifying trait revealing age/sex of mice through the series of stopping spots of each individual. We track 4 mice using LiveMouseTracker (LMT) system during 3 days. Then, we build a stack of 2D histograms of the stop positions. This stack of histograms passes through a shallow CNN architecture to classify mice in terms of age and sex. We observe that female mice show more recognizable behavioral patterns, reaching a classification accuracy of more than 90%, while males, which do not present as many distinguishable patterns, reach an accuracy of 62.5%. To gain explainability from the model, we look at the activation function of the convolutional layers and found that some regions of the cage are preferentially explored by females. Males, especially juveniles, present behavior patterns that oscillate between juvenile female and adult male.
• Abstract（参考訳）: 実験動物の行動を理解することは、ヒトにも影響を及ぼす疾患や神経発達障害に対する答えを見つける鍵となる。 興味のある行動の1つは、個人の探索、摂食、睡眠習慣と相関しているため、停止することである。 動物行動の理解を深めるために、各個体の停止点の連続を通して、マウスの年齢/性別を明らかにする形質を特定することに焦点を当てた。 3日間にLiveMouseTracker (LMT) システムを用いた4マウスの追跡を行った。 次に,停止位置の2次元ヒストグラムのスタックを構築する。 このヒストグラムのスタックは、年齢と性別でマウスを分類するために浅いCNNアーキテクチャを通過します。 雌のマウスは、より認識可能な行動パターンを示し、90%以上の分類精度に達するのに対し、雄は、多くの識別可能なパターンを示さないが、62.5%の精度に達する。 モデルから説明可能性を得るため、畳み込み層の活性化機能を調べ、ケージのいくつかの領域が女性によって優先的に探索されていることを発見した。 雄、特に幼体は、幼体と成体の間に振動する行動パターンを示す。

関連論文リスト

• Murine AI excels at cats and cheese: Structural differences between human and mouse neurons and their implementation in generative AIs [0.161955895606044]
  マウス前頭前皮質の脳組織のナノスケール3次元構造を解析した。 その結果、マウスの神経細胞ソマタは小さく、神経突起はヒトのニューロンよりも薄いことが示唆された。 我々は,このマウス模倣制約をGAN(Generative Adversarial Network)とDDIM(Denoising diffusion implicit model)の畳み込み層に実装した。 マウス・ミメティックGANは、猫の顔とチーズの写真データセットを使用して画像生成タスクにおいて標準のGANを上回りましたが、人間の顔や鳥には不十分でした。
  論文  参考訳（メタデータ） (2024-10-28T04:55:57Z)
• SimpleToM: Exposing the Gap between Explicit ToM Inference and Implicit ToM Application in LLMs [72.06808538971487]
  大規模言語モデル(LLM)が行動予測に「心の理論」(ToM)を暗黙的に適用できるかどうかを検証する。 ToM推論の異なる程度をテストする3つの質問を含む新しいデータセットSimpleTomを作成します。 私たちの知る限り、SimpleToMは、現実的なシナリオにおけるメンタルステートの知識を必要とする下流の推論を探求する最初のデータセットです。
  論文  参考訳（メタデータ） (2024-10-17T15:15:00Z)
• Accelerometer-Based Multivariate Time-Series Dataset for Calf Behavior Classification [0.7366868731714773]
  このデータセットは、アクセラレーション時系列から、事前に織り込まれたふくらはぎの振る舞いを分類するための、使用可能なデータセットである。 乳牛30頭には、生後1週間から13週間、ネックカラーに取り付けられた3D加速度センサーが装着された。
  論文  参考訳（メタデータ） (2024-08-20T08:11:54Z)
• Behaviour Modelling of Social Animals via Causal Structure Discovery and Graph Neural Networks [15.542220566525021]
  本稿では,時系列の因果構造探索とグラフニューラルネットワークを用いた行動モデル構築手法を提案する。 本手法を動物園環境におけるメスカットの群落に適用し,今後の行動を予測する能力について検討する。
  論文  参考訳（メタデータ） (2023-12-21T23:34:08Z)
• LISBET: a machine learning model for the automatic segmentation of social behavior motifs [0.0]
  LISBET(LISBET Is a Social BEhavior Transformer)は,社会的相互作用の検出とセグメンテーションのための機械学習モデルである。 身体追跡データを用いた自己教師型学習により,広範囲な人的アノテーションの必要性を排除した。 生体内電気生理学的には,本モデルで同定されたモチーフに対応する腹側歯根膜領域の神経信号が明瞭であった。
  論文  参考訳（メタデータ） (2023-11-07T15:35:17Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
  3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。 本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。 ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
  論文  参考訳（メタデータ） (2021-12-02T12:45:46Z)
• Multi-level Motion Attention for Human Motion Prediction [132.29963836262394]
  本研究は, 関節, 身体部分, フルポーズレベルなど, 異なる種類の注意力の使用について検討した。 我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を検証した。
  論文  参考訳（メタデータ） (2021-06-17T08:08:11Z)
• Dairy Cow rumination detection: A deep learning approach [0.8312466807725921]
  交配行動は、畜産の発展と収量を追跡するための重要な変数です。 現代のアタッチメントデバイスは、牛にとって侵襲的で、ストレスがあり、不快である。 本研究では,CNN(Convolution Neural Network)に基づくディープラーニングモデルを用いた革新的なモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2021-01-07T07:33:32Z)
• Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
  マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。 マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。 本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T18:09:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。