Учёные из Австрии создали алгоритм, который автоматически распознаёт мышиное пение на аудиозаписи. Благодаря ему анализ песен проводится на порядок быстрее, чем вручную, но с той же точностью. Отмечается, что новый алгоритм распространяется бесплатно.
В большинстве случаев мышиные песни звучат на высоких частотах – от 20 до 120 килогерц. Это делает их трудно различимыми для человеческого слуха. А по сложности они почти такие же, как птичьи. Мышата начинают петь в раннем возрасте, чтобы привлечь ушедшую мать, а взрослые особи используют ультразвуковую вокализацию (USV) во время социальных взаимодействий. Самцы активно поют в присутствии самки, во время ухаживаний и спаривания. Интерес к исследованию мышиных песен в последнее время возрос, в первую очередь благодаря техническим достижениям в биоакустическом анализе.
Методы автоматического распознавания и анализа USV достаточно сложны технически из-за большого размера звуковых файлов и низкого отношения сигнал/шум. Чаще всего исследователи используют ручной анализ звуков на спектрограммах, что занимает много времени. Также учёные пользуются скрипты для полуавтоматического распознавания или коммерческое программное обеспечение, например, Avisoft SAS LabPro или Sound Analysis Pro. Алгоритм для анализа USV создан из-за ненадёжности указанных программ. Поэтому ученые разработали новый алгоритм для анализа USV и сравнили частоту допускаемых ошибок при анализе, проводимом различными способами.
Опыты провели над домашними мышами (Mus musculus musculus). Мышей выращивали в малых разнополых группах до трёхнедельного возраста, а затем разделяли их. Самцы содержались отдельно, чтобы избежать драк, а самки – в парах. В клетках были максимально комфортные условия: достаточное количество стружки, вода и еда в неограниченных количествах. Всего в эксперименте участвовало тридцать две взрослые мыши возрастом около 190 дней — одиннадцать мужских и двадцать одна женская особь. Ни одна мышь, как утверждают учёные, в ходе исследования не пострадала.
Исследователи записали песни одиннадцати самцов и трёх самок в присутствии стимула (женской особи) во время периода вечерней активности мышей. Во всех случаях поющая мышь не была знакома со стимулом, потому что они росли в разных группах. Обеих мышей помещали в клетку, разделенную на две равные части пластинкой из плексигласа, в которой были проделаны небольшие отверстия. Половина с «певцом» накрывалась металлической крышкой, а со стимулом — плексигласовой, хорошо поглощающей ультразвук. Затем клетка помещалась в звукозаписывающую камеру. В десяти сантиметрах от крышки «певца» был расположен конденсаторный ультразвуковой микрофон с диапазоном частот от 10 до 200 килогерц. Запись велась в течение десяти минут с частотой дискретизации 300 килогерц, в 16-битном формате.
Затем исследователи разработали алгоритм для выделения промежутков с пением из общего массива данных. Часто это сложно делать в автоматическом режиме из-за маскировки ультразвуковых сигналов посторонними шумами. Тогда был предложен новый метод отделения полезного сигнала от шума, который использует тот факт, что отдельные слоги мышиной песни имеют небольшую спектральную ширину и значительно выше, чем фоновый шум.
Процесс обработки забили на три шага. Первый – предварительная очистка звука от шума при помощи обрезания наименее высоких частот на коротком фрагменте записи (порядка миллисекунды). Во время второго шага порог частоты на этом фрагменте уточнялся. количество энергии, содержащейся в оставшихся частотах, сравнивалось с определенным пороговым значением, и на основании этого сравнения принималось решение, отнести фрагмент записи к пению или шуму. В итоге последовательные фрагменты одной природы объединялись. Из этого получались отдельные слоги мышиных песен, которые доступны для дальнейшего анализа.
Исследователи также провели ручной анализ четырёх записей и подобрали параметры, при которых алгоритм наиболее чётко разделял песни и фоновый шум. После этого они сравнили на оставшихся десяти записях работу существующих на данный момент программ и нового алгоритма. Опыт показал, что число ложноположительных и ложноотрицательных срабатываний у него гораздо меньше: 10% против 40% и 20% против 50% соответственно. Авторы исследования утверждают, что алгоритм работает так же хорошо, как ручной анализ, но в несколько раз быстрее.
Разработанный алгоритм распространяется бесплатно и позволяет ученым производить относительно надежный и быстрый анализ мышиного пения. Однако в некоторых случаях в работе происходят неточности. Например, когда животные спариваются или дерутся. В данный момент ведётся работа над совершенствованием алгоритма.
Выделите ее и нажмите Ctrl + Enter