用于大鼠社交与攻击行为分类的基准数据集

《Scientific Data》：A Benchmark Dataset for Rat Social and Aggressive Behavior Classification

　　

摘要

社会互动是行为神经科学和系统神经科学的核心研究内容，而要深入理解其神经基础，就需要可靠且可扩展的行为量化方法。然而，用于社会行为分类的标准化数据集、透明标注方案以及可重复的评估基准仍然十分有限。在此，我们提供了一个经过精心整理的大鼠社会互动视频数据集，这些视频是在“居民-入侵者”实验范式下录制的。该数据集涵盖了非社会行为、社会行为以及攻击行为，其中与攻击相关的行为还被进一步细分为依据生态学定义的多种亚型。为便于对这些复杂且充满互动的场景进行自动化分析，我们提供了一种可重复的基于姿态的分析流程，该流程可将DeepLabCut生成的肢体运动轨迹转换为能够描述个体运动及动物间空间关系的结构化特征。借助这些特征表示，我们在统一的评估框架下对比了多种传统的机器学习模型和深度学习模型。这些评估结果为粗粒度的社会行为分类以及细粒度的攻击行为识别提供了参考性能指标，同时揭示了不同模型在类别识别精度、训练效率以及模型复杂度方面的差异。总体而言，这个数据集和分析流程为开发、评估和比较用于大鼠社会互动分析的自动化方法提供了宝贵的开放资源。