Методы автоматизированного анализа поведенческих тестов с использованием машинного обучения и искусственного интеллекта

В.В. Шибаева; И.А. Ильина; К.Д. Балбек; А.В. Мелерзанов

doi:10.48612/path/2310-0435.2025.02.72-80

В.В. Шибаева Федеральное государственное автономное образовательное учреждение высшего образования «Московский физико-технический институт (национальный исследовательский университет)», Долгопрудный Московской обл., Россия https://orcid.org/0009-0003-9841-3654
И.А. Ильина Федеральное государственное автономное образовательное учреждение высшего образования «Московский физико-технический институт (национальный исследовательский университет)», Долгопрудный Московской обл., Россия https://orcid.org/0009-0006-4539-4244
К.Д. Балбек Федеральное государственное автономное образовательное учреждение высшего образования «Московский физико-технический институт (национальный исследовательский университет)», Долгопрудный Московской обл., Россия https://orcid.org/0000-0001-9885-1812
А.В. Мелерзанов Федеральное государственное автономное образовательное учреждение высшего образования «Московский физико-технический институт (национальный исследовательский университет)», Долгопрудный Московской обл., Россия https://orcid.org/0000-0002-4749-5851

DOI: https://doi.org/10.48612/path/2310-0435.2025.02.72-80

Ключевые слова: поведенческие тесты, машинное обучение, автоматизированный анализ, классификация поведения

Аннотация

Поведенческие тесты лабораторных животных являются важным инструментом для изучения неврологических реакций и психоэмоциональных состояний у животных. Традиционные подходы к обработке данных требуют значительного объёма ручной работы, характеризуются высокой степенью субъективизма и низкой воспроизводимостью результатов. В данном обзоре рассматриваются современные методы автоматизированного анализа поведенческих тестов лабораторных животных с применением технологий машинного обучения и искусственного интеллекта, преимущества и ограничения различных подходов, включая отслеживание животного, классификацию поведения с учителем и без учителя. Подчеркивается важность разработки удобных и стандартизированных решений, которые смогут сделать автоматизированный анализ доступным для широкого круга исследователей.