- 3 次围观
神经行为学中的自动化行为分析受到两大障碍的限制：首先，训练姿态估计模型本身负担沉重；其次，无法足够迅速地识别行为，因而难以实现实时分类并据此触发刺激、药物递送或环境操控。本文提出 B-REAL，这是一种无需姿态信息的分类器，可将原始视频映射为行为，其处理速度甚至快于视频帧的采集速度，且即使在 CPU 上也能实现。仅使用少得多的训练数据，B-REAL 的表现便可媲美或超过基于完整基准啮齿动物或果蝇数据集训练的成熟方法，尤其是在识别罕见行为乃至仅持续单帧的行为方面。利用无标签视频进行预训练，可进一步提高其准确率，且不会延长推理或训练时间。在闭环实验中，对 B-REAL 检测到的梳理行为给予奖励，使小鼠梳理行为的发生次数增加了一倍以上。因此，B-REAL 仅需少量标注和标准硬件，便可使闭环行为实验切实可行。
B-REAL：一种无需关键点、用于离线分类与实时检测的行为分析平台 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
B-REAL：一种无需关键点、用于离线分类与实时检测的行为分析平台
查看 ORCID 个人资料
Aden Eagle，
查看 ORCID 个人资料
Brayden Kohler，
查看 ORCID 个人资料
Victor Kamrowski，
查看 ORCID 个人资料
Nia Lingam，
查看 ORCID 个人资料
Runcheng Li，
查看 ORCID 个人资料
Eric A Yttri
doi：
https://doi.org/10.64898/2026.10.13.758637
Aden Eagle
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Aden Eagle 的 ORCID 记录
Brayden Kohler
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Brayden Kohler 的 ORCID 记录
Victor Kamrowski
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Victor Kamrowski 的 ORCID 记录
Nia Lingam
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Nia Lingam 的 ORCID 记录
Runcheng Li
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Runcheng Li 的 ORCID 记录
Eric A Yttri
卡内基梅隆大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Eric A Yttri 的 ORCID 记录
通讯联系：
eyttri{at}andrew.cmu.edu
摘要
信息/历史
指标
补充材料
PDF 预览
摘要
神经行为学中的自动化行为分析受到两项障碍的限制：首先需要训练姿态估计模型所带来的负担，
以及无法足够快速地识别行为以进行实时分类，从而触发刺激、药物递送或环境操控。在此，我们提出 B-REAL：一种无需姿态估计的分类器，可将原始视频映射为行为，其处理速度快于视频帧的采集速度，即使在 CPU 上也能如此。在训练数据大幅减少的情况下，B-REAL 的表现仍与使用完整基准啮齿动物或果蝇数据集训练的成熟方法相当或更优，尤其是在识别罕见行为乃至仅持续一帧的行为方面。利用未标注视频进行预训练，可进一步提升其准确率，且不会增加推理或训练时间。在闭环实验中，向小鼠奖励由 B-REAL 检测到的梳理行为，使其梳理行为片段的发生率提高了一倍以上。因此，B-REAL 只需少量标注和标准硬件，即可让闭环行为实验切实可行。
利益冲突声明
作者声明不存在利益冲突。
已申报的资助信息
美国国立卫生研究院
R34DA059509
版权
本预印本的版权归作者／资助方所有；其已授予 bioRxiv 永久展示该预印本的许可。
本文依据 CC-BY 4.0 国际许可协议公开。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 20 日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
注意：我们要求提供您的电子邮件地址，仅用于确认您是本文的转发者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将通过电子邮件发送以下内容：
B-REAL：一种无需关键点的行为平台，用于离线分类与实时检测
邮件主题
（您的姓名）转发了 bioRxiv 上的一个页面给您
邮件正文
（您的姓名）认为您可能会对这个页面感兴趣。
bioRxiv 网站。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动化垃圾信息提交。
分享
B-REAL：用于离线分类和实时检测的无关键点行为分析平台
Aden Eagle，
Brayden Kohler，
Victor Kamrowski，
Nia Lingam，
Runcheng Li，
Eric A Yttri
bioRxiv
2026.10.13.758637；
doi：https://doi.org/10.64898/2026.10.13.758637
分享本文：
复制
引用工具
B-REAL：用于离线分类和实时检测的无关键点行为分析平台
Aden Eagle，
Brayden Kohler，
Victor Kamrowski，
Nia Lingam，
Runcheng Li，
Eric A Yttri
bioRxiv
2026.10.13.758637；
doi：https://doi.org/10.64898/2026.10.13.758637
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知（8160）
生物化学（19010）
生物工程（15148）
生物信息学（45222）
生物物理学（22948）
癌症生物学（20061）
细胞生物学（27263）
临床试验（138）
发育生物学（14121）
生态学（21364）
流行病学（2067）
进化生物学（25751）
遗传学（16317）
基因组学（23795）
免疫学（18988）
微生物学（43125）
分子生物学（18300）
神经科学（94898）
古生物学（711）
病理学（3027）
药理学与毒理学（5181）
生理学（8259）
植物生物学（16241）
科学传播与教育（2113）
合成生物学（4635）
系统生物学（10367）
动物学（2420）
关键词：无关键点行为识别 · 神经行为学 · 实时行为分类 · 闭环实验 · 自监督预训练
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.13.758637v1?rss=1