[发明专利]一种基于状态与图谱的行为量化方法和终端

说明书

本发明提出一种基于状态与图谱的行为量化方法和终端,该方法包括：将原始行为数据分割为片段，以生成状态化的行为数据；从行为数据中提取动态核化距离构建特征矩阵；将特征矩阵进行低维映射，以生成行为图谱；基于预设的聚类效果评估模块确定最佳的行为状态聚类数量，并基于最佳的行为状态聚类数量对行为图谱中的行为状态进行聚类；对完成聚类后的行为图谱中的空间信息与时间信息分别进行量化及可视化展示。本方案基于状态与图谱的行为量化方法，在低维空间中保留了行为的高维性与多样性，使得更为精细的指标可以在相同的实验范式中被设置和检测，为神经精神类药物的研发提供更多的参考数据，提高药效检测的效率与准确性。

技术领域

本发明涉及数据分析技术领域，特别涉及一种基于状态与图谱的行为量化方法和终端。

背景技术

在神经精神类药物的研发方面，模式动物用药前后的行为差异是判断药效的重要指标。例如在焦虑症(Anxiety)药物的研发中，高架十字迷宫实验(Elevated Plus Maze，EPM)或旷场实验(Open Field Test，OFT)经常被用来判断实验小鼠用药前后的焦虑水平。

其中，EPM由开放臂(Open Arm)和封闭臂(Close Arm)各两条组成，呈十字形交叉，交叉部分为中央区域，整个十字形迷宫距地面有一定的高度。小鼠面对开放臂产生好奇心而想要探索，同时又有着趋暗避明的天性，两者之间发生探究与回避的冲突行为，产生焦虑心理，由此可以通过比较小鼠在开放臂和封闭臂内的滞留时间和路程来评价小鼠的焦虑行为，一般认为，小鼠在开放臂中滞留的时间和路程越多，小鼠的焦虑水平越低。

至于OFT装置，一般有一个正方形的箱子，顶部有摄像机，这个正方形的场地可以划分为中央区域(Center)和周边区域(Periphery)，小鼠如果在中央区域的活动越多，说明小鼠的焦虑水平相对就越低。

然而，在医学临床中，焦虑症状表现多样，一般可分为慢性焦虑(广泛性焦虑)和急性焦虑(惊恐发作)；慢性焦虑存在三种表现，分别为：1.情绪症状，具体表现为患者出现与现实情境不符的过分担心、紧张害怕；2.植物神经症状，具体表现为患者出现头晕、胸闷、心慌、呼吸急促、口干、尿频、尿急、出汗、震颤等躯体方面的症状；3.运动性不安，具体表现为患者坐立不安，坐卧不宁，烦躁，很难静下心来；至于急性焦虑存在的表现分别为濒死感或失控感，患者在特定触发环境如封闭空间时突然出现极度恐惧的心理，体验到濒死感或失控感；植物神经系统症状同时出现如胸闷、心慌、呼吸困难、出汗、全身发抖等；持续时间一般为几分钟到数小时，患者发作开始突然，发作时意识清楚；极易误诊，发作时患者往往拨打“120”急救电话，去看心内科的急诊，尽管患者看上去症状很重，但是相关检查结果大多正常，因此往往诊断不明确。此外，针对患者不同的症状，也存在不同的用药类型与用药方式。但是，在药效检测的关键层面，也即小鼠的焦虑行为判断中，其过于简单的参数(在EPM开放臂停留时间、在OFT中央区域停留时间)与药效的精确检测产生了矛盾。该矛盾不仅仅出现在焦虑症药物的研发中，在阿尔兹海默症、自闭症等几乎所有的神经精神类药物的研发中均不同程度地存在着。因此，对于动物行为的精确量化与分析具有重大意义。

在现有的动物行为精细化分析的实现方案中，例如公开号为CN110334662A的专利中介绍了一种基于自动化图像识别的动物痒行为分析方法，其通过机器学习程序，在确保准确性的前提下，显著提高动物痒行为分析的效率，并且可以准确描述每次痒行为导致的抓挠的相对强度(持续时间长短)，使得痒行为分析更精细。再例如公开号为CN110457999A的专利中介绍了一种基于深度学习和SVM的动物姿态行为估计与心情识别方法，其通过深度学习方法追踪动物身体数十个关键点，根据这些关键点位置关系和相对位置变化关系，构建与利用SVM分类器去判断动物的行为与心情，从而能更加准确地理解动物的心情和行为情况。上述两种方法在一定程度上可以迁移到其他动物的精细化分析中，为神经精神类药物提供更加丰富的行为学参数指标，提高药效检测的准确性。