| 研究実績の概要 |
今年度も前年度に引き続き、3次元コンピュータグラフィックスで作成したバーチャルメダカの向きがメダカの同種他個体に対する接近反応にどのように影響するかを調べた。観察例数を大幅に増やすことができた一方で、バーチャルメダカに対するメダカの反応の経時的な変化に予想外の大きな個体差があることが明らかとなった。先行研究を含めたこれまでの実験では、バーチャルメダカを提示する前の１分間にメダカがROI（Region of interest, ここではバーチャルメダカを提示するディスプレイ前の関心領域）にいた時間をベースラインとして用いていたが、本実験ではこのベースラインが個体によって大きく異なることが、そのままバーチャルメダカに対する反応の個体差として現れていることが分かった。ベースラインの個体差はディスプレイ前の水槽に映り込むメダカ自身の姿に対する感受性の違いと考えられ、本実験で対象としている反応とは異なる。この影響を排除するための閾値を設けた新たな解析方法を開発・検討した。
また今年度は、ニューラルネットワークがメダカの外見から個体を識別できるか検討した。外見や動きを含めて、メダカの同種判別や個体識別に影響すると期待される形質のセットは無数に存在する。それらを絞り込むためのアプローチのひとつとして、同種判別や個体識別ができるニューラルネットワークを開発し、そのネットワークの注目領域を精査する手法を考案した。メダカ8個体が遊泳する画像を学習させたニューラルネットワークは、その8個体を平均精度0.987で識別することができた。メダカが遊泳する画像には①個体の外見、②各個体が取りがちな姿勢、③各個体の水槽内での滞在場所の傾向などの情報が含まれている可能性がある。構築したニューラルネットワークの注目領域を精査することで、それぞれの形質が識別に果たす役割を分離したい。
|
