sgoldenlab/simba

何を解決するか

SimBA（Simple Behavioral Analysis）は、行動神経科学の研究者が動画記録から動物の行動（社会的相互作用、移動、特定領域での滞在時間など）を自動的に識別・測定するのを支援します。手動で何時間も映像を観察して行動をスコアリングする必要がなく、機械学習分類器を訓練して各映像フレームにその瞬間の行動をラベル付けさせることができます。このツールは、DeepLabCut、SLEAP、その他のツールによって生成された姿勢推定データ（体部の追跡位置）を扱うように設計されています。

動作方法

SimBAは、時間経過に伴う動物の体部のx/y座標（姿勢推定データ）を入力としています。ユーザーは一部のフレームを手動でラベル付けして、どの行動が発生しているか（例：「攻撃」、「掻痒」、「凍結」）を示します。SimBAはその姿勢データから多数の特徴量（距離、角度、速度など）を計算し、通常はランダムフォレストを用いた教師あり機械学習分類器を訓練して、これらの特徴量から行動を予測します。GUI（グラフィカルユーザーインターフェース）を備えているため、プログラミングの知識は不要です。また、評価指標（精度/再現率、学習曲線、パーミュテーション重要度）、SHAPベースの説明可能性（モデルが判断する理由を理解）、および幅広い後続分析機能（行動ブート数、持続時間、速度、移動距離、ゾーン内滞在時間、方向性（どの動物がどの動物に向かっているか）、行動シーケンスの結合、非教師ありクラスタリング）を提供しています。結果はCSVにエクスポートでき、元の動画に重ね合わせたプロットや可視化も可能です。

対象ユーザー

コードを書かずに動画から動物行動を定量化したい行動神経科学者や動物研究者向けです。プログラミング経験のないユーザーにも使いやすく、Windows、macOS、Linuxで動作し、マウスとラットで検証済みです。DeepLabCutやSLEAPなどの姿勢推定ツールを使っている研究者にとっても、追跡データを行動分類に変換するのに役立ちます。

特徴

• プログラミング不要 — 姿勢データのインポートから分類器の訓練・評価まで、完全なGUIワークフロー。
• 広範な入力互換性 — DeepLabCut、SLEAP、DeepPoseKit、DANNCE（3D）、MARS、FaceMap、APT、SuperAnimal-TopView、YOLO、およびブロブ追跡の他、ユーザー定義の姿勢スキームも対応。
• 説明可能な機械学習 — SHAPベースのツールで各分類の根拠となる特徴量を可視化。精度/再現率、学習曲線などの標準評価指標も提供。
• 豊富な行動解析機能 — ブート数、持続時間、遅延、速度、移動距離、ゾーン内滞在時間、方向性、行動シーケンスの結合、非教師ありクラスタリング。
• 即時利用可能なアッセイ — 自発的交替、子仔回収、明暗ボックス、凍結、円周移動など、組み込みサポート。
• 可視化ツールセット — 追跡オーバーレイ、経路プロット、ヒートマップ、ガントチャート、分類器確率プロット、マルチパネル動画。
• 検証済みでオープン — マウスおよびラットで検証された分類器ライブラリ。すべてのデータ、モデル、アノテーションはOSFに公開。プラットフォームの詳細はNature Neuroscienceに掲載された論文で紹介されています。