Detection and classification of ultrasonic vocalizations from neonatal mice using machine learning

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Fonseca, Antonio Henrique de Oliveira
Orientador(a): Bampi, Sergio
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/236605
Resumo: O estudo do comportamento animal fascina cientistas há centenas de anos. Uma fonte importante de informações sobre o comportamento pode passar despercebida a ouvidos descuidados, que é a emissão de vocalização ultrassônica (USV) por certas espécies de mamíferos, tais como camundongos. Com o objetivo de ter um sistema preciso e flexível para detectar e classificar USVs emitidos por camundongos, aqui descrevemos o desenvolvimento do VocalMat, uma ferramenta de software para analisar USVs em arquivos de áudio. O VocalMat usa abordagens de processamento de imagem e geometria diferencial para detectar USVs em espectrogramas, eliminando a necessidade de ajuste de parâmetro definido pelo usuário. Além disso, o módulo de classificação VocalMat usa visão computacional e métodos de aprendizado de máquina para classificar USVs em categorias distintas. Em um conjunto de dados de >4.000 USVs emitidos por filhotes de camundongos, VocalMat detectou mais de 98% dos USVs e classificou com precisão 85% de USVs ao considerar categoria mais provável e 95% ao considerar as duas categorias mais prováveis. Utilizamos Diffusion Maps e o Manifold Alignment para analisar a distribuição de probabilidade da classificação de USV entre diferentes grupos, o que forneceu um método robusto para quantificar e qualificar o repertório vocal em diferentes condições experimentais. Assim, o VocalMat permite uma análise precisa e altamente quantitativa das USVs, abrindo a oportunidade para uma análise detalhada deste comportamento.