USVSEG: A robust segmentation of rodents’ ultrasonic vocalization
USVSEG: A robust segmentation of rodents’ ultrasonic vocalization
复制标题
USVSEG：啮齿动物超声波发声的稳健分割
DOI：
10.1101/572743
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Okanoya Kazuo
中科院分区：
文献类型：
--
作者：
Tachibana Ryosuke O.;Kanno Kouta;Okabe Shota;Kobayasi Kohta I.;Okanoya Kazuo
啮齿动物的超声波发声（USV）提供了有用的信息，以评估其社会行为。尽管以前的努力分类的USV音节的时间-频率模式的子类别与它们的功能相关性，从连续记录的数据检测的声乐元素仍然没有得到很好的优化。在这里，我们提出了一种新的程序检测USV段在连续的声音数据与背景噪声，不可避免地污染在观察的社会行为。该方法利用稳定的频谱图和附加的信号处理，通过减少背景噪声的变化来更好地分离人声信号。我们的程序还提供了一个精确的时间跟踪每个音节内的频谱峰值。我们表明，该程序可以应用于从几种啮齿动物物种获得的各种USV。一个性能测试与适当的参数集显示性能检测USV音节比传统的方法。
Rodents’ ultrasonic vocalization (USV) provides useful information to assess their social behaviors. Despite of previous efforts for classifying subcategories of time-frequency patterns of USV syllables to associate with their functional relevances, detection of vocal elements from continuously recorded data have remained to be not well-optimized. We here propose a novel procedure for detecting USV segments in continuous sound data with background noises which were inevitably contaminated during observation of the social behavior. The proposed procedure utilizes a stable version of spectrogram and additional signal processing for better separation of vocal signals by reducing variation of the background noise. Our procedure also provides a precise time tracking of spectral peaks within each syllable. We showed that this procedure can be applied to a variety of USVs obtained from several rodent species. A performance test with an appropriate parameter set showed performance for detecting USV syllables than conventional methods.
登录
查看更多内容
影响因子：
3.7
作者：
Tachibana RO;Oosugi N;Okanoya K
通讯作者：
Okanoya K
啮齿类动物的超声和交配行为以及对其他行为情况的一些观察
影响因子：
2
作者：
G. Sales
通讯作者：
G. Sales
成年蒙古沙鼠（Meriones unguiculatus）对发声的趋音反应
影响因子：
0.9
作者：
Kohta I. Kobayasi;Shinji Ishino;H. Riquimaroux
通讯作者：
H. Riquimaroux
求偶期间小鼠超声波通讯的变化
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
Yui K Matsumoto;Kazuo Okanoya.
通讯作者：
Kazuo Okanoya.
影响因子：
5.3
作者：
Brudzynski SM
通讯作者：
Brudzynski SM