一种新的计算机程序可以让科学家们在长时间内同时观察多种动物的行为，同时自动分析它们的动作。看似显而易见的事情标志着一个重要的里程碑，并为对这种复杂的观察结果进行可靠和容易获得的标准化和评估铺平了道路。
想象一下，一位19世纪的研究人员戴着一顶髓头盔，在动物的自然栖息地观察它们。或者想象一下，上世纪70年代，马克斯·普朗克学会(Max Planck Society)的资深研究员康拉德·洛伦兹(Konrad Lorenz)在施塔恩贝格湖(Lake starnberg)附近密切跟踪他的灰雁——行为研究的开端就是观察和记录人们所看到的东西。
下一步在实验室进行，在那里创建标准化的环境以建立可比性。研究人员获得了宝贵的见解，但总是有局限性:环境和测试设置，动物的数量和观察的持续时间与某些自然行为的复杂性不一致，无论是个人还是社会。
此外，观察动物行为不仅可以更好地了解特定物种对给定刺激的反应，还可以帮助研究人员更好地定义人类的精神障碍，从而提供改进的个性化治疗。
几年前，科学家利用开源工具箱DeepLabCut取得了突破。它们不仅能够在简单的环境中跟踪单个动物的中心点，而且能够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铺平了道路，因为捕捉姿势与分析潜在行为是不一样的。
l将运动与行为联系起来
本文来自作者[曼蕾]投稿，不代表lleng号立场，如若转载，请注明出处：https://m.lleng.cn/zlan/202507-319.html
评论列表（4条）
我是lleng号的签约作者“曼蕾”！
希望本篇文章《融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[lleng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：一种新的计算机程序可以让科学家们在长时间内同时观察多种动物的行为，同时自动分析它们的动作。看似显而易见的事情标志着一个重要的里程碑，并为对这...