齐宇欣，郑媛憬，谈泽华，杨子乐，王文挺 (空军军医大学基础医学院神经生物学教研室，陕西 西安7003；空军特色医学中心加速度生理研究室，北京 004)

    啮齿类动物是研究疾病常见的一种模式动物[1]。自我修饰，也称理毛行为，是啮齿类动物与生俱来的清理行为，是一种复杂且刻板的序列性运动[2-3]。啮齿类动物在清醒状态下，约40%的时间会用于自我修饰[4]。这种梳理行为一般从头部开始，经过身体过渡到生殖器和尾部[2，5]，有保持毛发和皮肤清洁、调节体温和情绪等功能[3]。理毛行为异常可见于多种疾病模型，如孤独症、强迫症、精神分裂症等啮齿类动物模型均发现理毛时间增加，且与模型的情绪障碍有密切关系。研究发现，多个脑区参与调控小鼠上述疾病模型的过度理毛行为[6-11]。因此，该行为是评估多种精神疾病小鼠模型情绪状态敏感的行为学指标。

    分析小鼠行为时，观察法是最简单直接的方法，通常是由有经验的人类观察者标记特定的目标行为。然而面对大量的动物行为视频，人工分析需要消耗大量时间和精力。有研究报道，一名人类观察者分析时长10 min的单一行为视频需要1 h[12]，分析时长1 h的多种行为视频需要22 h[13]。此外，观察者自身的经验、知识、压力、疲劳程度、注意力起伏和情绪波动等均会给数据分析带来变异[14-16]。为了降低这种变异，可以通过比较同一个观察者对单个视频进行重复分析的差异，或增加有经验观察者的数量[15]。但这进一步增加分析的工作量。而不同观察者之间的解释偏差会引入一致性差异，给数据解读带来困扰[15-16]。

    随着科学技术的发展，机器学习为批量处理大体量高复杂性数据提供了新手段。机器学习泛指为数据拟合预测模型或识别数据中信息分组的过程[17]。机器学习算法可以快速且全面深入地分析视频或图片等材料的多个特征，提高数据分析的效率，并能保持标准稳定一致，减少人工分析带来的变异。该方法目前已经广泛应用于生物学和医学研究的多个领域[16，18-22]。

    Janelia自动动物行为注释器(Janelia Automatic Animal Behavior Annotator，JAABA)是一个基于机器学习的开源软件，可以由研究人员按照自身需求逐帧标记视频中的特定动物行为(例如走路、跳跃、梳理或跟随)，编码该行为的特征结构，使研究人员能够将动物行为视频转换为可解释的定量统计数据[23]。JAABA使用GentleBoost学习算法来训练分类器，将人工标记的视频帧转换为行为检测器，然后可用于大型高通量动物行为数据集的自动分类。本研究目的是通过利用JAABA分类器 ......