Hausmäuse verwenden Ultraschall, um zu kommunizieren. Diese Äußerungen werden auch in der Forschung zu Autismus und Sprachstörungen untersucht. Jetzt gibt es ein Update.
Die Vokalisationen von Mäusen und anderen Tierarten werden zunehmend in der Tierkommunikationsforschung und zur Erforschung der genetischen Grundlagen von Autismus und Sprachstörungen untersucht. Bisherige Analyse-Tools sind jedoch unzureichend. Forscher der Vetmeduni haben nun eine neue, verbesserte Technologie entwickelt und stellen diese der Scientific Community kostenlos zur Verfügung.
Da Ultraschallvokalisationen (USVs) über dem Bereich des menschlichen Gehörs liegen (> 20 Kilohertz) und manuelle Analysemethoden extrem zeitaufwändig sind, wurden mehrere automatisierte Methoden zur USV-Erkennung und -Klassifizierung entwickelt. In einer Studie unter Leitung der Vetmeduni bewerteten die Forscher nun die Vor- und Nachteile dieser Analyse-Tools.
Um die Leistungsfähigkeit der verfügbaren Tools zur Analyse von Ultraschall-Vokalisierungen zu untersuchen, verglich das Forschungsteam mittels Aufzeichnungen von Labor- und freilebenden Mäusen erstmals automatische Erkennungstools mit manuellen Methoden. Ebenfalls zum ersten Mal erhoben die Forscher die Inter-Observer-Zuverlässigkeit von manuellen Zuordnungen, also inwieweit manuell vorgenommene Klassifizierungen tatsächlich objektive Aussagen treffen.
Besonders ist die von den Forschern entwickelte neue Analysemethode. Dazu Erstautor Reyhaneh Abbasi vom Konrad-Lorenz-Institut für Vergleichende Verhaltensforschung: „Zur Automatisierung der Klassifizierung von USVs haben wir das Analyse-Tool BootSnap für die überwachte Klassifizierung entwickelt. Unterschiedliche Vokalisisationen konnten wir damit in zwölf Typen klassifizieren.“ Die von den Forschern entwickelte Klassifizierungsmethode basiert auf Ensemble Deep Learning und bietet mehr Generalisierbarkeit als das bisherige Tool. BootSnap ist für die wissenschaftliche Nutzung kostenlos verfügbar.
Für die der Klassifizierung vorangehende Erkennung von USVs verwendeten die Wissenschaftler im Gegensatz zu bisherigen Erkennungsmethoden deutlich größere Stichproben sowie Stimmaufzeichnungen sowohl von wilden Hausmäusen (M. musculus musculus) als auch von Labormäusen. Demgegenüber nutzen die meisten der bis dato eingesetzten USV-Erkennungswerkzeuge Daten von nur einem oder wenigen Stämmen von Labormäusen.
„Wir haben festgestellt, dass unser Tool im Vergleich zu anderen Erkennungsmethoden eine deutlich bessere Gesamtleistung bietet und zwar ohne die Notwendigkeit einer manuellen Parameterabstimmung oder eines speziellen Trainings“, so Letztautor Dustin J. Penn vom Konrad-Lorenz-Institut.
Dieser Artikel basiert auf einer Pressemitteilung der Veterinärmedizinischen Universität Wien. Die Studie haben wir euch hier und im Text verlinkt.
Bildquelle: Nick Fewings, Unsplash
