Kokie mokymo duomenys reikalingi žebrafish elgsenos analizės sistemos optimizavimui?
AŽuvelių zebrafish elgsenos analizės sistemai gali transformuoti vaizdo įrašus į judėjimo, padėties ir įvykių lygio matavimus, tačiau rezultatai yra tik tiek pat patikimi, kiek patikimi buvo duomenys, naudoti sistemos konfigūravimui ir patvirtinimui. Farmacinės tyrimų ir plėtros komandai naudingiausias klausimas nėra tiesiog „kiek vaizdo įrašų mums reikia?“, o ar mokymo duomenys atspindi gyvūnus, tyrimo sąlygas, kameros kampus ir kraštutines situacijas, su kuriomis komanda iš tikrųjų susidurs.
Tinkami duomenys priklauso nuo biologinio klausimo. Sistema, išmokyta aptikti lervų plaukimo judesius kontroliuojamoje lėvelės tyrimo sąlygoje, automatiškai nepritaikoma socialiniam tarpui tarp suaugusių žuvų klasifikuoti arba kitose šviesos sąlygose stebimiems atsakams. Praktiškas optimizavimo planas prasideda rašytine duomenų specifikacija, po to tikrinama, ar sistema vis dar veikia logiškai, kai pasirodo įprastos laboratorinės variacijos.
Pradėkite nuo sprendimo, kurį sistema turi palaikyti
Prieš renkant daugiau vaizdo įrašų, apibrėžkite sprendimą, kurį jūsų Žuvelių zebrafish elgsenos analizės sistemai tikėtina, kad palaikys. Ar tai atrankos triažo sprendimas, fenotipo palyginimas, toksiškumo signalo peržiūra ar metodų kūrimo tyrimas? Atsakymas nustato svarbias etiketes, laiko skiriamąją gebą ir klaidų toleravimą.
Pavyzdžiui, paieškinis ekranavimas gali reikšti patikimų veiklos santraukų ir būdo įrašams, reikalaujantiems peržiūros, pažymėjimo. Patvirtinamasis tyrimas gali reikšti gyvūnų lygio rezultatų sekamumą, iš anksto apibrėžtus pašalinimus ir stipresnę auditinę priežiūrą. Abiejų darbo eigų paslėptoji kaina dažnai yra neaiškių klipų peržymėjimas po to, kai modelis jau pritaikytas juos apdoroti. Pirmiausia apibrėžkite galutinį tikslą, tada rinkite mokymo duomenis šiam tikslui, o ne prašykite vieno modelio išspręsti visus elgsenos klausimus.
Užtikrinkite dengimą biologinių kintamųjų šaltinių visoje srityje
Naudingas mokymo duomenys turi apimti tipiškus žuvis ir eksperimentinius būsenos, ne tik aiškiausius įrašus. Įrašykite vystymosi stadiją, veislę ar liniją, kai tai aktualu, kiaušidės ar grupės numerį, lytį, kai taikoma, gydymo grupę, maitinimo ir aklimatizacijos sąlygas bei numatytą elgsenos tyrimo schemą. Šie laukai padeda komandai vėliau nustatyti, ar matoma mašininio mokymosi klaida iš tikrųjų yra tyrimo populiacijos pokytis.
Įtraukite tiek įprastus, tiek sudėtingus pavyzdžius: žuvis su maža aktyvumu, stačiais posūkiais, susiliejusias žuvis, dalinį uždengimą, šiukšles, atspindžius ir žuvis arti arenoje ribos. Publikuoti zebrafish tyrimai naudojo vaizdo kameros pagrindu vykdomą trimačio sekimo sistemą ir elgsenos bruožų atpažinimą; tai primena, kad geometrija ir stebėjimo sąlygos yra dalis problemos apibrėžties, o ne tik techninė detalė.
Užduokite tiesioginį klausimą planavimo metu: Ar jūsų atrinktos grupės ir elgsenos būsenos išbandys sistemą po jos paleidimo? Jei atsakymas yra ne, prieš praplėsdami lengviausią klasę, pridėkite tuos klipus. A Žuvelių zebrafish elgsenos analizės sistemai mokytas siauro „švaraus“ pasiskirstymo gali atrodyti tikslus, tačiau nepavykti su įrašais, kurie yra svarbiausi.
Kiekviename vaizdo įraše fiksuokite vaizdo įrašymo ir tyrimo metaduomenis
Skirtas optimizavimas , vien tik vaizdo failai nepakanka. Kiekvieną įrašą susiejkite su kamerų pozicija, objektyvu ir padidinimu, kadrų dažniu, raiška, apšvietimu, arenos geometrija, vandens temperatūra, įrašymo laiku, operatoriumi ir programinės įrangos nustatymais. Ten, kur elgsena yra jautri aptarnavimui ar aplinkai, taip pat dokumentuokite pritaikymą prie aplinkos, stimulus ir įrašymo tvarką.
Neapdoroto judėjimo kreivėje lėtas poslinkis per sesiją gali atrodyti kaip subtilus pagrindinės veiklos poslinkis – tai požymis, kad temperatūra, šviesa ar pritaikymas prie aplinkos nebuvo išlaikyti taip nuosekliai, kaip buvo numatyta. Rekomenduojame tokias metaduomenų reikšmes naudoti kaip modelio įvestis diagnostikai, net jei jos nėra tiesioginiai galutinio klasifikatoriaus požymiai. Tai leidžia atskirti duomenų kokybės problemą nuo biologinio rezultato.
Metodų pranešimų rekomendacijos dėl lervinės zebrų žuvies tyrimų pabrėžia metodologines kintamąsias, o gyvūnų tyrimų pranešimų rekomendacijos taip pat išskiria randomizavimą ir apakintimą. Taikykite tą pačią discipliną „a“ Žuvelių zebrafish elgsenos analizės sistemai : išsaugokite sąlygas, kuriose buvo sukurta etiketės ir rezultatų informacija.
Kurkite etiketes, kurios atitiktų numatytą analizę
Etiketės kokybė dažniausiai yra vertingesnė nei didelis silpnai apibrėžtų klipų kiekis. Parašykite trumpą anotacijų vadovą, kuriame būtų apibrėžtos kiekvienos pozicijos, judėjimo įvykio, zonos perėjimo ar netipinio elgesio sąvokos; pateikite pavyzdžių ir taisyklę neaiškiems atvejams. Naudokite bent jau atrinktą dvigubo žymėjimo procesą, o nesutapimų atveju aptarkite juos su asmeniu, suprantančiu tyrimą, o ne tik sprendžiant balsavimu pagal daugumos principą.
Kad atliktumėte pozės ar trajektorijos užduotis, išlaikykite žymėjimus iš daugiau nei vieno vaizdinio konteksto. Šeimininkų žuvų (larval zebrafish) sekimo duomenų rinkiniuose pateikti tiek laisvai plaukiančių, tiek galva įtvirtintų žuvų vaizdo įrašai, todėl aišku, kad paruošimo kontekstas turi būti susietas su žymėjimais. „ Žuvelių zebrafish elgsenos analizės sistemai “, „judėjimas“ kiekviename kontekste gali reikšti skirtingų vaizdinių įrodymų.
Dirbtinio intelekto metodai gali padėti žymėjime ir klasifikavime, tačiau jie neturėtų nebyliai perdefinuoti biologinio tikslinio rodiklio. Išlaikykite žmogaus nustatytą žymę, žymėtojo tapatybę ar vaidmenį, žymėjimo versiją bei bet kokius modeliu paremtus taisymo įrašus. Tokios žymės leidžia vėlesniems tikslumas peržiūrėjimams.
Duomenis dalinkite pagal eksperimentus, o ne pagal beveik identiškus kadro vaizdus
Dažna klaida – atsitiktinai skirstyti kadro vaizdus iš tos pačios žuvies ar įrašo į mokymo ir testavimo rinkinius. Tai gali sukurti iliuziją, kad modelis yra stipresnis, nes testavimo kadrai labai panašūs į tuos, kuriuos jis jau matė. Vietoj to visą žuvį, šulinėlius, įrašymo seansus ar, idealiausiu atveju, nepriklausomus eksperimentų ciklus laikykite kartu viename skirstyme.
Rezervuokite galutinę laikinąją rinkmeną, kuri atspindėtų būsimą paleidimą: kitą dieną, kitą dalyvių grupę, kitą operatorių arba kontroliuojamas vaizdo įrašymo sąlygas. Tada pateikite našumą reikšmingomis pogrupių kategorijomis, pvz., elgsenos klase, vaizdo įrašymo įranga, raidos etapu ir tyrimo serija. Jei Žuvelių zebrafish elgsenos analizės sistemai veikia netolygiai, rezultatas yra naudingas: jis komandai parodo, kur reikia tiksliau parinktų mokymo duomenų.
Naudokite pakartotinį optimizavimo ciklą
- Nustatykite tyrimo bazinę liniją. Prieš keisdami modelį, surinkite atstovaujančius kontrolinius įrašus ir dokumentuokite normalią kintamumą.
- Patikrinkite klaidas pagal jų priežastis. Priskirkite praleistus atvejus prie vienos iš šių kategorijų: neaiški etiketė, vaizdo kokybė, netipiška elgsena, įrangos konfigūracija ar biologinis kontekstas.
- Pridėkite tiksliai parinktų pavyzdžių. Išplėskite silniausią pogrupį, o ne neatsargiai pridėkite daugiau vyraujančios klasės pavyzdžių.
- Pakartotinai patikrinkite nepaliestais duomenimis. Palyginkite naują versiją su užrakintu laikinuoju rinkiniu ir išsaugokite ankstesnę versiją, jei kompromisas nepateisinamas.
- Versijų viską. Kiekvieną modelio versiją susiejkite su duomenų rinkinio aprašu, žymėjimo vadovu, konfigūracija ir peržiūros pastabomis.
Mūsų pirmoji instinktyvi reakcija gali būti stengtis pasiekti kuo didesnį našumą, tačiau netolygūs žymėjimai ar nekontroliuojama duomenų įsigijimo procedūra gali tyliai pažeisti rezultatus, kol komanda sulėtėja ir standartizuoja duomenų perdavimo procesą. Tai dažnai yra produktyviausia optimizavimas .
Praktiškas pasiruošimo kontrolinis sąrašas
- Ar duomenų rinkinys apima žuvis, elgseną ir vaizdavimo sąlygas, kurios bus naudojamos tyrime?
- Ar metaduomenys ir žymėjimų apibrėžimai pakankamai išsamūs, kad kitas peržiūrintysis suprastų kiekvieną pavyzdį?
- Ar mokymo, patvirtinimo ir laikinojo rinkiniai atskirti pagal biologinį ar eksperimentinį vienetą?
- Ar aklinasis ar nepriklausomas peržiūrintysis patikrino reikšmingą žymėjimų ir rezultatų imtį?
- Ar komanda gali sekti kiekvieną rezultatą nuo Žuvelių zebrafish elgsenos analizės sistemai grįžti prie modelio ir duomenų rinkinio versijos?
Jei kelios atsakymų reikšmės yra „ne“, prieš pradėdami kurti sudėtingesnį modelį, surinkite tikslingesnius įrodymus. Patikima Žuvelių zebrafish elgsenos analizės sistemai sukuriama iš atstovaujančių duomenų, skaidrių žymų ir patvirtinimo, kuris primena kitą tikrąjį eksperimentą – ne tik iš apimties vienintelės.