B-SOiD彻底改变了科学家研究行为的方式

B-SOiD是一种开源、无监督的算法，无需用户输入即可发现和识别行为。

　　

Yttri说:“行为驱动着我们所做的一切。“

作为一名行为神经科学家，Yttri研究动物行走、进食、嗅嗅或做任何动作时，大脑中发生了什么。这类研究有助于回答有关神经系统疾病或紊乱的问题，如帕金森病或中风。但是识别和预测动物的行为是极其困难的。

现在，Yttri和他实验室的生物科学博士候选人Alex Hsu开发了一种新的无监督机器学习算法，使行为研究变得更容易、更准确。研究人员在《自然通讯》杂志上发表了一篇关于新工具B-SOiD (DeepLabCut中开放领域的行为分割)的论文。

以前，捕捉动物行为的标准方法是跟踪非常简单的动作，比如训练过的老鼠是否按下了杠杆，或者动物是否在吃东西。或者，实验者可以花数小时的时间手动识别行为，通常是一帧一帧地在视频中识别，这一过程容易出现人为错误和偏见。

Hsu意识到，他可以让一种无监督学习算法来做这些耗时的工作。B-SOiD通过识别动物身体位置的模式来发现行为。该算法与计算机视觉软件协同工作，可以告诉研究人员视频中的每一帧都发生了什么行为。

“它使用一个等式来确定行为何时开始。一旦你达到了这个阈值，你的行为每次都会被识别出来。人类实验者可能会在两个框架或几个类别之间切换，试图决定行为从哪里开始，随着时间的推移会变得疲惫。”

Yttri说，B-SOiD提供了一个巨大的改进，并为新的研究开辟了几种途径。

“它消除了用户的偏见，更重要的是，消除了时间成本和繁重的工作，我们可以在几分钟内准确处理数小时的数据。”

此外，B-SOiD对用户非常友好，对任何研究人员都是开放的。Yttri的实验室和他们的合作者已经在许多重要领域的研究中使用了新的算法，包括更好地理解慢性疼痛、强迫症等的研究。

合作者甚至已经开始使用B-SOiD来研究帕金森病患者的人体运动。

“我们开始看看这是否可以作为医生客观测试的一部分，以显示病人的疾病进展了多少。我们希望世界上任何地方的病人都能通过一种标准化的标准进行诊断。”

这是科学家如何研究自然行为及其变化的一个突破，而不是神经科学和动物行为学中占主导地位的过于简单或主观的方法。

Journal Reference:

1. Alexander I. Hsu, Eric A. Yttri. B-SOiD, an open-source unsupervised algorithm for identification and fast prediction of behaviors. Nature Communications, 2021; 12 (1) DOI: 10.1038/s41467-021-25420-x