SimBA (Simple Behavioral Analysis)

機能概要

SimBA は、研究者が動物の追跡データ（DeepLabCut、SLEAPなどからの姿勢推定結果）を特定の行動の教師あり機械学習分類器に変換できるようにするPythonベースのツールキットです。グラフィカルユーザーインターフェースを提供しているため、プログラミング経験がほとんどないユーザーでも以下の操作が可能です：

• 姿勢推定CSVやその他の追跡フォーマットの読み込み。
• 行動の定義、ビデオフレームのラベル付け、分類器のトレーニング（デフォルトはランダムフォレストモデル）。
• 精度/再現率曲線、学習曲線プロット、SHAPベースの説明可能性を用いたモデルの評価。
• トレーニング済みモデルの新しいビデオへの適用と、フレームごとの行動予測のエクスポート。
• 幅広い定量的要約（行動回数、持続時間、速度、ゾーン滞在時間、社会的方向指標など）および元のビデオにオーバーレイ可能な可視化の生成。

対象ユーザー

• 神経科学者、動物行動学者、行動生物学者：マウス、ラット、その他の小動物を記録し、複雑な社会的または非社会的行動の再現可能でハイスループットな分析を必要とする研究者。
• すでに姿勢推定ツール（DeepLabCut、SLEAP、DeepPoseKitなど）を使用しており、コードを書かずにダウンストリームパイプラインを構築したい研究室。
• ポイント＆クリックのGUIを好むが、提供されているAPIを通じてワークフローをスクリプト化するオプションも持ちたいユーザー。

主な機能（READMEより）

カテゴリ	ハイライト
入力	DeepLabCut（マルチアニマルDLCを含む）、SLEAP、DeepPoseKit、DANNCE (3‑D)、MARS、FaceMap、APT、SuperAnimal‑TopView、YOLO、および汎用的なブロブ追跡からの姿勢推定出力をサポート。ユーザー定義の姿勢スキームも受け入れ可能。
出力	標準的な評価指標（精度、再現率、学習曲線）を備えたフレームごとの行動予測、および説明可能性のためのSHAPベースの機能重要度。
行動分析	行動回数、持続時間、潜時、イベント頻度、重症度スコアリング；運動指標（速度、距離、軌跡）；空間指標（ゾーン内時間、進入回数、ゾーン固有の行動）；社会的/方向指標；時間構造分析（FSTTC、Kleinbergスムージング）；ターンキーアッセイ（自発的交替、仔の回収、キューライト、明暗箱、フリーズ、旋回など）；教師なしクラスタリングおよび次元削減。
可視化	静的プロットおよびビデオオーバーレイ：姿勢スケルトン、バウンディングボックス、ヒートマップ、ガントチャート、確率曲線、SHAP要約プロット、ROIヒートマップ、方向矢印、アッセイ固有の可視化。
説明可能性	SHAPの統合により、どの姿勢由来の特徴が各分類器の決定を駆動しているかを表示。
GUI	simba-uw-tf-dev パッケージをインストール後に simba で起動するTkinterベースのデスクトップアプリケーション。
拡張性	APIドキュメント、サンプルノートブック、Dockerイメージ、およびプログラムでパイプラインを実行する機能。
リソース	OSFでホストされている事前学習済みランダムフォレストモデル、データセット、姿勢モデル、重み；広範なチュートリアル、シナリオベースのウォークスルー、コミュニティGitterチャット。
プラットフォームサポート	Windows、macOS、Linux。

開始方法

1. pip install simba-uw-tf-dev を介してパッケージ（Python 3.6‑3.10）をインストールします。
2. simba を実行してGUIを開きます。
3. Scenario 1 チュートリアルに従って、姿勢データのインポート、行動のラベル付け、分類器のトレーニング、およびテストデータセットでの分析実行を行います。
4. 提供されている事前学習済み分類器を使用するか、新しい行動のために独自の分類器を作成します。

重要性

行動神経科学は、微妙な動作を捉えるために高解像度のビデオと姿勢推定にますます依存しています。SimBAは、生の追跡データと科学的に厳密な行動指標との間のギャップを埋め、研究室間で再現可能な説明可能な機械学習モデルを提供します。そのローコードアプローチは、専任の計算スタッフがいない研究室の障壁を下げると同時に、パワーユーザー向けに高度な分析（SHAP、時間的結合、教師なしクラスタリング）を提供します。

---

上記の情報はすべて、リポジトリのREADMEから直接引用しています。