Extraction of recurring behavioral motifs from video recordings of natural behavior

Complex neural activity exhibits itself in various forms, one of which is behavior. Hence a natural way to study neural activity is to analyze behavior. In this thesis, behavior has been studied using a Gaussian hidden Markov model. The data has been gathered from video recordings of free roaming mi...

Full description

Bibliographic Details
Main Author: Ståhl, Martin
Format: Others
Language:English
Published: KTH, Skolan för teknikvetenskap (SCI) 2018
Subjects:
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-230894
id ndltd-UPSALLA1-oai-DiVA.org-kth-230894
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-kth-2308942018-06-19T06:07:39ZExtraction of recurring behavioral motifs from video recordings of natural behaviorengExtraktion av återkommande beteendemönster från videoinspelningar av naturligt beteendeStåhl, MartinKTH, Skolan för teknikvetenskap (SCI)2018Engineering and TechnologyTeknik och teknologierComplex neural activity exhibits itself in various forms, one of which is behavior. Hence a natural way to study neural activity is to analyze behavior. In this thesis, behavior has been studied using a Gaussian hidden Markov model. The data has been gathered from video recordings of free roaming mice in a box. The model has trained on and classified mouse behavior. Classification with 4 and 6 states have been tried, the one with 6 states seems to make a distinction between two different stationary states which is biologically interesting. The conclusion is that the Gaussian hidden Markov model is a reasonable approach to mice behavior classification but it does not solve any fundamental problems. There are also some data gathering techniques that affect the results which need to be improved. Komplex neural aktivitet utrycks i en mängd olika former, en av dessa är beteende. Det gör att ett naturligt sått att studera neural aktivitet är att analysera beteende. I den här uppsatsen så har beteende blivit studerat genom en dold Markov modell. Data har tagits från filmer av fritt springande möss i en låda. Modellen har framgångsrikt tränats på- och klassificerat mössbeteende. Klassificering med 4 och 6 tillstånd har testats, med 6 tillstånd verkar modellen göra en distinktion mellan två olika stationära tillstånd vilket är biologiskt intressant. Sammanfattningsvis är en gaussisk dold Markov modell ett rimligt sått att klassificera mössbeteende men det löser inga fundamentala problem. Det är också en del datainsamlingstekniker som skapat felaktigheter vilket behöver förbättras. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-230894TRITA-SCI-GRU ; 2018-087application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language English
format Others
sources NDLTD
topic Engineering and Technology
Teknik och teknologier
spellingShingle Engineering and Technology
Teknik och teknologier
Ståhl, Martin
Extraction of recurring behavioral motifs from video recordings of natural behavior
description Complex neural activity exhibits itself in various forms, one of which is behavior. Hence a natural way to study neural activity is to analyze behavior. In this thesis, behavior has been studied using a Gaussian hidden Markov model. The data has been gathered from video recordings of free roaming mice in a box. The model has trained on and classified mouse behavior. Classification with 4 and 6 states have been tried, the one with 6 states seems to make a distinction between two different stationary states which is biologically interesting. The conclusion is that the Gaussian hidden Markov model is a reasonable approach to mice behavior classification but it does not solve any fundamental problems. There are also some data gathering techniques that affect the results which need to be improved. === Komplex neural aktivitet utrycks i en mängd olika former, en av dessa är beteende. Det gör att ett naturligt sått att studera neural aktivitet är att analysera beteende. I den här uppsatsen så har beteende blivit studerat genom en dold Markov modell. Data har tagits från filmer av fritt springande möss i en låda. Modellen har framgångsrikt tränats på- och klassificerat mössbeteende. Klassificering med 4 och 6 tillstånd har testats, med 6 tillstånd verkar modellen göra en distinktion mellan två olika stationära tillstånd vilket är biologiskt intressant. Sammanfattningsvis är en gaussisk dold Markov modell ett rimligt sått att klassificera mössbeteende men det löser inga fundamentala problem. Det är också en del datainsamlingstekniker som skapat felaktigheter vilket behöver förbättras.
author Ståhl, Martin
author_facet Ståhl, Martin
author_sort Ståhl, Martin
title Extraction of recurring behavioral motifs from video recordings of natural behavior
title_short Extraction of recurring behavioral motifs from video recordings of natural behavior
title_full Extraction of recurring behavioral motifs from video recordings of natural behavior
title_fullStr Extraction of recurring behavioral motifs from video recordings of natural behavior
title_full_unstemmed Extraction of recurring behavioral motifs from video recordings of natural behavior
title_sort extraction of recurring behavioral motifs from video recordings of natural behavior
publisher KTH, Skolan för teknikvetenskap (SCI)
publishDate 2018
url http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-230894
work_keys_str_mv AT stahlmartin extractionofrecurringbehavioralmotifsfromvideorecordingsofnaturalbehavior
AT stahlmartin extraktionavaterkommandebeteendemonsterfranvideoinspelningaravnaturligtbeteende
_version_ 1718697384816410624