Comparison of Deep Learning and Image Processing for Tracking the Cognitive Motion of a Laboratory Mouse
Comparison of Deep Learning and Image Processing for Tracking the Cognitive Motion of a Laboratory Mouse
复制标题
深度学习和图像处理在跟踪实验室小鼠认知运动方面的比较
DOI：
10.1109/biocas.2019.8919239
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Masatoshi Ishikawa
中科院分区：
文献类型：
--
作者：
Seohyun Lee;Tomohiko Hayakawa;Chika Nishimura;Satoshi Yawata;Hiroki Yagi;Dai Watanabe;Masatoshi Ishikawa
跟踪和分析生物体的行为对于理解特定运动时刻的神经活动非常重要。为了获得目标运动的可靠跟踪数据，检测精度是关键。在这项研究中，我们比较了深度学习和模板匹配，因为它们在老鼠鼻子跟踪中的实用性，特别关注检测精度。使用10个不同的视频对每种方法产生的检测误差进行比较，详细了解了每种方法的有效性。
Tracking and analyzing the behaviors of living organisms are important for understanding neural activity at the moment of specific movement. To obtain reliable tracking data for the target motion, detection accuracy is critical. In this study, we compared deep learning and template matching, for their utility in mouse snout tracking, with a particular focus on detection accuracy. Comparison of the detection errors generated by each method using 10 different videos offered detailed insight into the efficacy of each method for this purpose.
登录
查看更多内容
基于高速成像的实验小鼠意志方向变化运动分析
DOI：
10.1364/isa.2019.iw1c.1
发表时间：
2019
期刊：
Imaging and Applied Optics 2019 (COSI, IS, MATH, pcAOP)
影响因子：
--
作者：
Seohyun Lee;T. Hayakawa;Chika Nishimura;Satoshi Yawata;Dai Watanabe;M. Ishikawa
通讯作者：
M. Ishikawa
影响因子：
25
作者：
Mathis, Alexander;Mamidanna, Pranav;Bethge, Matthias
通讯作者：
Bethge, Matthias
自由意志和神经科学：从解释自由到实施和衡量自由的新方法
影响因子：
2.9
作者：
A. Lavazza
通讯作者：
A. Lavazza
登记。
DOI：
10.1007/978-1-4939-7647-8_1
发表时间：
2018
期刊：
Neuromethods
影响因子：
--
作者：
Joshi,AnandA
通讯作者：
Joshi,AnandA
基于图像金字塔和绝对差相似度测度之和的快速准确模板匹配算法
DOI：
10.3923/rjit.2012.204.211
发表时间：
2012
期刊：
Research Journal of Information Technology
影响因子：
--
作者：
F. Alsaade
通讯作者：
F. Alsaade