Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto
El repertorio de movimientos que un animal puede exhibir en un entorno natural es virtualmente infinito, limitado solo por las restricciones biomecánicas de las partes de su cuerpo; sin embargo, la etología ha demostrado que los comportamientos animales complejos pueden descomponerse en secuencias d...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/1247/1/1Dosil_Rivas.pdf |
| Aporte de: |
| id |
I25-R131-1247 |
|---|---|
| record_format |
dspace |
| institution |
Instituto Balseiro |
| institution_str |
I-25 |
| repository_str |
R-131 |
| collection |
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) |
| language |
Español |
| orig_language_str_mv |
es |
| topic |
Física médica Machine learning Aprendizaje automático [Animal behavior Comportamiento animal Open-field Campo abierto Ethology Etología Unsupervised classification Clasificación no supervisada] |
| spellingShingle |
Física médica Machine learning Aprendizaje automático [Animal behavior Comportamiento animal Open-field Campo abierto Ethology Etología Unsupervised classification Clasificación no supervisada] Dosil Rivas, Andrés A. Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| topic_facet |
Física médica Machine learning Aprendizaje automático [Animal behavior Comportamiento animal Open-field Campo abierto Ethology Etología Unsupervised classification Clasificación no supervisada] |
| description |
El repertorio de movimientos que un animal puede exhibir en un entorno natural es virtualmente infinito, limitado solo por las restricciones biomecánicas de las partes de su cuerpo; sin embargo, la etología ha demostrado que los comportamientos animales complejos pueden descomponerse en secuencias de acciones estereotípicas, discretas y reproducibles.
En el presente trabajo, se ha tomado el principio de estereotipicidad comportamental como fundamento teórico para un sistema de clasificación, basado en aprendizaje automático no supervisado, en el cual se infieren automáticamente las categorías comportamentales a partir de la recurrencia de los comportamientos mostrados por los animales. Con videos de ratones en una prueba de campo abierto, se extrae información postural en forma de coordenadas de partes del cuerpo, que luego son procesadas hasta obtener una representación de potencia espectral en varias escalas de frecuencia, para medir la dinámica particular de las diversas partes del cuerpo en simultáneo.
Información que luego es embebida mediante UMAP para obtener una representación comportamental en un espacio latente bidimensional donde los puntos cercanos corresponden a espectros de potencia espectral similares. Posteriormente las regiones son
clasificadas mediante segmentación watershed para obtener categorías comportamentales y construir etogramas.
En el primer mapa generado, los datos fueron filtrados en un intento de minimizar los efectos del ruido de los marcadores. En el segundo mapa, se usaron los datos crudos para contemplar posibles comportamientos que hayan sido suprimidos por los filtros aplicados anteriormente. Las regiones de los mapas se analizaron y compararon con los videos respectivos. Salvo en casos excepcionales, las categorías obtenidas no caracterizan coherentemente los comportamientos de los ratones. |
| format |
Tesis NonPeerReviewed |
| author |
Dosil Rivas, Andrés A. |
| author_facet |
Dosil Rivas, Andrés A. |
| author_sort |
Dosil Rivas, Andrés A. |
| title |
Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| title_short |
Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| title_full |
Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| title_fullStr |
Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| title_full_unstemmed |
Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| title_sort |
caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto |
| publishDate |
2024 |
| url |
http://ricabib.cab.cnea.gov.ar/1247/1/1Dosil_Rivas.pdf |
| work_keys_str_mv |
AT dosilrivasandresa caracterizacionnosupervisadadelcomportamientolocomotordeunatareadecampoabierto |
| _version_ |
1812569781310586880 |
| spelling |
I25-R131-12472024-09-12T17:54:47Z Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto Unsupervised characterization of locomotor behavior in an open-field task Dosil Rivas, Andrés A. Física médica Machine learning Aprendizaje automático [Animal behavior Comportamiento animal Open-field Campo abierto Ethology Etología Unsupervised classification Clasificación no supervisada] El repertorio de movimientos que un animal puede exhibir en un entorno natural es virtualmente infinito, limitado solo por las restricciones biomecánicas de las partes de su cuerpo; sin embargo, la etología ha demostrado que los comportamientos animales complejos pueden descomponerse en secuencias de acciones estereotípicas, discretas y reproducibles. En el presente trabajo, se ha tomado el principio de estereotipicidad comportamental como fundamento teórico para un sistema de clasificación, basado en aprendizaje automático no supervisado, en el cual se infieren automáticamente las categorías comportamentales a partir de la recurrencia de los comportamientos mostrados por los animales. Con videos de ratones en una prueba de campo abierto, se extrae información postural en forma de coordenadas de partes del cuerpo, que luego son procesadas hasta obtener una representación de potencia espectral en varias escalas de frecuencia, para medir la dinámica particular de las diversas partes del cuerpo en simultáneo. Información que luego es embebida mediante UMAP para obtener una representación comportamental en un espacio latente bidimensional donde los puntos cercanos corresponden a espectros de potencia espectral similares. Posteriormente las regiones son clasificadas mediante segmentación watershed para obtener categorías comportamentales y construir etogramas. En el primer mapa generado, los datos fueron filtrados en un intento de minimizar los efectos del ruido de los marcadores. En el segundo mapa, se usaron los datos crudos para contemplar posibles comportamientos que hayan sido suprimidos por los filtros aplicados anteriormente. Las regiones de los mapas se analizaron y compararon con los videos respectivos. Salvo en casos excepcionales, las categorías obtenidas no caracterizan coherentemente los comportamientos de los ratones. The repertoire of movements an animal can exhibit in a natural environment is virtually infinite, limited only by the biomechanical constraints of its body parts; however, ethology has shown that complex animal behaviors can be decomposed into sequences of stereotyped, discrete, and reproducible actions. In this work, the principle of behavioral stereotypicality has been considered as the theoretical foundation for a classification system, based on unsupervised machine learning, in which behavioral categories are automatically inferred from the recurrence of behaviors exhibited by animals. Using videos of mice in an open field task, postural information is extracted in the form of coordinates of body parts, which are then processed to obtain a representation of spectral power across various frequency scales to measure the specific dynamics of different body parts simultaneously. This information is then embedded using UMAP to obtain a behavioral representation in a two-dimensional latent space where close points correspond to similar spectral power spectra. Subsequently, the regions are classified through watershed segmentation to obtain behavioral categories and construct ethograms. In the first generated map, the data was filtered in an attempt to minimize the effects of marker noise. In the second map, raw data is used to account for possible behaviors that may have been suppressed by the filters applied on the first map. The regions of the maps were analyzed and compared with the respective videos. Except for some unusual cases, the obtained categories do not consistently characterize the behaviors of the mice. 2024-02-26 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/1247/1/1Dosil_Rivas.pdf es Dosil Rivas, Andrés A. (2024) Caracterización no supervisada del comportamiento locomotor de una tarea de campo abierto / Unsupervised characterization of locomotor behavior in an open-field task. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/1247/ |