行動監視及び較正用システム及び方法

专利摘要:
高分解能行動データの濾過及び解析用のツールを含む、一定区域内の被験動物の種々の行動の解析用 システム及び方法を提供する。これらのシステム及び方法は従来達成出来なかった精度及び定量化のレベルにおいて行動パタンを検討する機会を提供する。品質評価及び制御、文書管理、データ質問、データ縮小、解析工程及び可視化技術を含み、行動監視システムによって生成される膨大で独特なデータセットを管理及び解析する方法とシステムが提供される。自発的行動のかかる詳細な解析により、行動の神経的組織化への基本的洞察が得られ、脳機能への遺伝学的、薬学的及び環境的影響の高感度の検索が可能となる。
公开号:JP2011514576A
申请号:JP2010544397
申请日:2009-01-21
公开日:2011-05-06
发明作者:グールディング・エヴァン；シェンク・カトリン；テコット・ローレンス
申请人:ザ・リージェンツ・オブ・ジ・ユニバーシティ・オブ・カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ；
IPC主号:G06F3-048

专利说明:

[0001] ［関連特許出願］
本出願は２００８年１月２３日に提出された米国特許出願ＵＳＳＮ６１／０６２，１７３号を基に優先権を主張するものであり、その内容のすべてを本出願に合同するものとする。]
背景技術

[0002] 生存及び繁殖のために自然環境における動物は食物の獲得、捕食動物からの逃避、避難所及び性的配偶者の追及など様々な行動に従事する。或る行動の実施について最適な時間と場所とを決定するのは環境的限定条件であり、多くの行動を同時に実施できるものでもない故、動物にとっては或る行動の実施に当たりその時間と場所について適当に優先順位を決定し計画することが必須である。その結果、自由状態の動物の行動の編成は環境への適応を象徴するものである。この編成とは中枢神経系の全体的活動に依存するものであり、例えばエネルギーのバランス、温度状態、浸透性／体積状態、睡眠、生殖、自衛及び環境同調化など種々の生理学的及び行動システムの機能及び反応を反映するものである。従って、自由状態の動物の行動の編成を監視して特徴付ける能力は多くの生理学的及び行動システムの機能及び反応を試験する高感度の試金物を供する可能性がある。]
[0003] 近年における生物工学分野での進歩を複雑な哺乳類動物の行動の神経下地層の解析に使用するには現時点において実質的問題が存在する。哺乳類遺伝子学、医学用化学及び情報技術での分野に見られる急速の進歩に比較して、ネズミ及びその他の哺乳類の行動評価技術の発展は遅れている。これらの手法は精神分裂病、うつ病、不安症などの普遍的な精神神経性状態に関係する脳活動への遺伝子、薬剤、及び環境の影響を検索するのに必須なものである。例えば幾つもの行動テストを行うからと言ってネズミを何度も棲み処から取り出すというような普遍的所作は、（１）時間がかかり労働集約的ある、（２）テスト管理の順序によってテストの結果が歪められる、（３）棲み処から取り出されるネズミはストレスを受けるから行動データの解釈が混乱する、（４）研究での主焦点にない行動分野を考慮しない（例えば学習に関するテストにおける不安感の影響）ことによりデータが往々誤解される、などの理由で問題である。]
[0004] 定義された分野における対象動物の種々の行動を連続的に監視するための、高分解能の行動データの濾過及び解析用のツールを含めたシステム及び方法が提供される。これらのシステム及び方法により、従来到達できなかった高程度の精度及び定量化における行動パタンの調査が可能となる。品質評価及び制御、記録保存、データ質問、データ分類、解析方式及び可視化技術を含む行動監視システムによって得られる非常に大量な独特なデータセットの管理及び解析用の方法及びシステムが提供される。自発的行動のかように詳細な解析により行動の神経的編成の基本的識見が得られるものであり、脳機能に対する遺伝学的、薬学的及び環境的影響が高感度において検出可能となる。]
[0005] 本発明はその一面において、行動データの高質評価及び濾過の方法に関する。或る実施例の方法は、位置追跡情報及び一個以上の装置との反応に関する情報との間の不一致、及び／或は複数個の装置との反応に関する情報における不一致の検出に関する。例えば或る実施例において、一定の測定地域における被験動物の空間位置に関するイベント情報、一定地域における、或いは一定地域において既知の位置における複数の装置との装置イベント情報、及び位置と装置イベント情報に関する時間的情報を含む、測定システムを使用して或る測定時間内に集められた動物行動データを含む行動データセットが入力される。この方法とは、この行動データを解析して（１）装置イベント情報と不一致の位置情報、及び／或は(２）その他の装置の装置イベント情報と不一致の一個以上の装置の装置イベント情報を検出し、検出された不一致の少なくとも幾つかに基づいてデータを更新することに関するものである。]
[0006] 或る特殊実施例において、行動データの濾過とは収集された行動データの入力、虚偽装置イベント開始の同定及び関連した装置イベント情報の破棄、装置の既知の位置に基づいて動物の予期される位置と少なくとも若干の装置イベントにおける位置情報を比較することによる位置情報補正の計算、計算された補正に基づく位置情報の更新、及び測定システムの装置イベント終了検出不成功の結果のデータの同定及び除去などに関する。]
[0007] 本発明はその別面において、動物行動を例えば活性及び不活性状態のように編成及び分類することに関する。或る実施例において、行動監視システムから受けた空間的（例えば位置追跡）および時間的情報を使用して被験動物の活性不活性間の遷移の同定をする自動化された方法が提供される。更に提供されるのは、測定システムを使用して収集された動物行動データを解析する方法であり、この行動データとは一定の測定地区における動物の位置に関する空間的及び時間的情報から成るものであり、この方法とは空間情報を使用して活性及び不活性状態間の遷移を一定期間中における被験動物運動の間で最長の逗留箇所を決定することにより同定することに関する。]
[0008] 本発明はその別面において、行動的バウト（ｂｏｕｔ）分類に関する。或る実施例において、測定システムを使用して一定の測定期間中に収集された被験動物行動データのセットの自動解析方法が提供される。この自動方法は、測定期間における一定地区内での被験動物の位置追跡情報及びこの測定期間内での一個以上の行動の時間的パタンに関する情報を受け、この位置追跡情報及び時間的情報を使用して一個以上の行動のバウトを同定することに関する。]
[0009] 或る実施例における方法は測定システムを使用し、一定の測定期間内に収集された被験動物行動データのセットを解析するものであり、ここにおいて、測定システムはこの測定期間内の被験動物の空間的位置に関する空間情報とこの測定期間内の一個以上の行動の時間的パタンに関する情報とを受け、この空間的情報と時間的情報とを使用して一個以上の行動のバウトを同定することに関するものであり、この空間的情報とはイベントの期間中及びイベント間の合間における動物の空間的位置に関する情報を含み、又、イベント間の合間とは装置における連続する装置イベントの間の合間のことである。]
[0010] 本発明は更に別面において、動物行動データの二つのグループ（例えば制御及びテストグループ）の比較に関するものである。或る実施例において、この方法とは二つの群の結合されたデータを密集化させ、これら二つのグループの相違についてもっとも貢献の大きい群（クラスター）を決定することに関する。特種実施例において、この方法とはテスト用被験動物のグループに関する行動データを有するテストデータセットを受けること、制御用被験動物のグループに関する行動データを有するテストデータセットを受けること、テスト及び制御用データセットからの行動データを結合すること、この結合されたデータセットを密集化して選択された数のクラスターとすること、テスト用及び制御用データセット内の行動データは同じであるとの仮説のもとで各クラスターについてカイ二乗統計を計算すること、すべてのクラスターについてのカイ二乗統計を加算してテストグループデータと制御グループデータの相違の度合いを得ること、テスト及び制御グループ間の被験動物のデータを並べ替えて相違の意味の度合いを得ること、及びこの相違が統計的に有意義であるならばこの相違に最も貢献しているクラスターを決定することに関する。]
[0011] 種々の実施例において、比較されてよい行動のパタンには運動パタン、摂食パタン、摂飲パタン、薬物摂取パタン、その他の摂取行動パタン、睡眠パタン、テスト対象物とのコンタクトパタン、及び他の動物或いは他の感覚的刺激に対する応答パタンが含まれる。例えば行動測定或いは応答を示すような生理学的測定は心拍数、血圧、及び体温が含まれてよい。]
[0012] 更に提供されるものとして、上記の方法の少なくとも一部を実施するためのプログラム指令が記録されたコンピュータ用のメディアを含むコンピュータプログラム製品がある。此処に記載される方法はその全部或いは一部がこのようなコンピュータによって読み取り可能なメディアによって提供されるプログラム指令として実現され得る。此処に記載されるように生成及び／或は使用されるデータ及びデータ構成の種々の結合が更に提供される。]
[0013] 上記及びその他の特徴及び利点は更に下記の如く詳細な図を参照して記載される。]
図面の簡単な説明

[0014] 図１は本発明の種々の実施例により運動及び行動監視システムから収集された装置イベントデータを濾過する方法に使用される或る工程のフロー図である。
図２は２４時間のネズミの行動記録を示す画像であり、此処で位置は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。
図３は本発明の種々の実施例における虚偽装置イベント（イベント開始エラー）検出の方法に使用される或る工程を示すフロー図である。
図４は位置測定において総合ドリフトを決定する方法での或る工程を示すフロー図であり、或る実施例において総合ドリフトは虚偽装置イベントの検出に使用される。
図５Ａは２４時間の監視期間における総合位置ドリフトとなめ測定装置（ｌｉｃｋｏｍｅｔｅｒ）イベントドリフト（水色）及び写真ビームイベントドリフト（赤色）の間の相違が示されるグラフの画面であり、Ｘ及びＹ軸ドリフトは別々に示されている。
図５Ｂはネズミの行動記録を示す画面であり、ここで歩行運動路は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。虚偽摂飲イベントの可能性のある部分は使用者の検討用に記されている。
図６は本発明の種々の実施例において装置の既知の位置を使用して運動／位置データを修正する方法に使用される或る工程を示すフロー図である。
図７は本発明の種々の実施例において装置イベントの終了不成功を検知する方法に使用される或る工程を示すフロー図である。
図８はネズミの行動記録を示す画像であり、フィーダー（緑色の正方形）近くの給食イベントのクラスターとなめ測定装置（水色の円）の近くの摂飲イベントを示す。相反する端部の二個の正方形は二個の摂食イベントの間に決定された動物とフィーダーとの間の最大距離を示す。赤色は有効給食イベントの判断基準の外部であることを示す。
図９はネズミの行動記録を示す画像であり、位置は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。位置は測定地域の一方に著しく偏って居り、位置計の誤動作を示している。
図１０は本発明の種々の実施例において位置計の誤動作を検出するのに使用される或る工程を示すフロー図である。
図１１は本発明の種々の実施例において運動及び行動監視システムから収集された装置イベントデータから被験動物の活性不活性の分類方法に使用さあれる或る工程を示すフロー図である。
図１２は本発明の種々の実施例において運動及び行動監視システムから収集された装置イベントデータから被験動物の活性不活性の分類方法に使用さあれる或る工程を示すフロー図である。
図１３は（１）装置における最長休止からの距離対休止期間の図１３０１、（２）不活性状態休止閾値を決定する三線曲線フィット１３０３、及び（３）不活性状態休止閾値を使用して決定された不活性状態休止位置の図示１３０５の例を示すものである。
図１４は状態分類エラーを計算して時間ウインドウ／運動閾値を最適化する本発明の種々の実施例における方法に使用される或る工程を示すフロー図である。
図１５は本発明の種々の実施例による行動監視システムから収集された運動及び装置イベントデータからの動物行動のバウトを分類する方法において使用される或る工程を示すフロー図である。
図１６はデータ品質制御用の使用者インタフエイスを示す画面である。パネルＡは実験順路、ネズミ及びデータ選択箱を示す。この特に選択された「ネズミ日」において、エラーイベントが二つ指定されて示されている。パネルＢは左部にデータの複数の特徴を見ることを可能にする補充的プロット選択部を示している。「ドリフト差」（Ｄｒｉｆｔ Ｄｉｆｆｅｒｅｎｃｅ）が選択されて、それに対応するプロットが右側に示される。パネルＣとＤとは「主画面」の二例を示し、各々がイベントプロット（下図）と動物位置を示す振動図（ｑｕｉｖｅｒ ｐｌｏｔ）（上右）と品質制御ボタン、ナビゲイション用ボタン、及び運動位置補正及び終了ボタンのレイアウトを含んでいる。Ｃにおいては，「イベントＱＣ」（Ｅｖｅｎｔ ＱＣ）の行で指定されているように、二つのなめイベントと一つの運動イベントとが指定されている。パネルＤではなめイベントが（「Ｌｅ」行の”３”で示されるように）排除されて居り、その結果は動作イベントのフラッグ指示の排除及び住居境界侵害となる。
図１７はフラッグ指示された検出不成功エラーの例を示す「第二段ＱＣＧＵＩ」の画像を示す。図におけるパネルＡは日の終わり近くなっての一度を除いてなめイベントのないイベントプロットを示し、パネルＢはその日にネズミが摂った水の量（正方形の内部でハイライトされた量）がこのネズミ及びその他のネズミによる通常の一日の摂取量（約４ｇ）と同様であることはなめイベントの検出不成功を強く示唆することを示している。
図１８はテスト及び制御グループの行動パタンを比較する本発明の種々の実施例の方法で使用される或る工程を現すフロー図である。
図１９は本発明の種々の実施例で使用される比較密集化法で使用される最適クラスター数を選択する方法で使用される或る工程を示すフロー図である。
図２０Ａは此処に記載される方法及び装置において使用可能なコンピュータシステムの図である。
図２０Ｂは此処に記載される方法及び装置において使用可能なコンピュータシステムの図である。
図２１Ａは一日における野生（ＷＴ）のネズミの位置確率密度を示す。位置確率密度は通常の核機能、１ｃｍのバンド幅の核密度推定器を使用し、一日におけるこのネズミの総ての位置を加重して使用して計算された。この日におけるこのネズミの場合、最高位置確率の頂点は檻の左後方でｘ＝−１３ｃｍ及びｙ＝３４ｃｍの観察された巣の位置の中央から０．８ｃｍであった。更に、ｘ＝−１２．５ｃｍ及びｙ＝−２．６ｃｍにあるフィーダーに対応する檻の中央前方とｘ＝０ｃｍ及びｙ＝０ｃｍにある飲み口の位置に対応する檻の右前方にもより小さい頂点が存在した。図２１Ｂは図２１Ａにおけると同じ日と野生のネズミについて摂取と運動の位置及び発生の変動を示す。２４時間周期の時間がｘ軸上で示され、暗サイクルの開始と終了が１２時間と２４時間において点線で示されている。ネズミの位置は座標がｘ＝０ｃｍ及びｙ＝０ｃｍの飲み口の縁からの距離としてｙ軸に示してある。黒線は不活性状態の期間の位置であり、活性状態での位置は緑線で示されている。図の底部において摂食イベントがオレンジ色のラスターで、摂飲イベントが水色ラスターで示されている。図２１Ｃは図２１Ａ及び図２１Ｂと同じ野生のネズミに関しての不活性状態休止閾値の同定を示す。丸一日での位置持続時間はｘ対数軸に、６時間ウインドウでの最長位置持続時間からの対応距離はｙ軸に示してある。このネズミの不活性状態位置持続時間閾値は９．３分であり、 これは最長位置持続時間からの距離の急速な増加が観測されたことを示す。不活性状態位置は黒色で、活性状態位置は緑色で示されている。図２１Ｄは同じ野生のネズミの同じ日における不活性状態位置の箇所と摂取イベントを示す。不活性状態位置は黒色の小さい箱形で表示されている巣の近くの位置持続時間閾値クラスターを使用して分類される。この日のこのネズミの不活性状態位置の中央は巣の観察された位置から０．３ｃｍであった。黒色破線は檻の床に対応し、黒色実線は檻の唇部に対応する。フィーダーは檻の左前方にある小さい箱形に表示され、水筒は檻の右前方の円形で表示されている。摂食イベント中のネズミの位置はオレンジ色で、摂飲イベント中のものは水色で表示されている。
図２２Ａは装置分類に関する。二変量正規分布の混合で、一日中の明サイクルの間に野生のネズミがｉｅｉの間フィーダーから最大距離にあった時の位置をフィットさせた。左側のパネルにおいて、最終的フィットでの９個の二変量正規分布に割り当てられたすべての位置が異なる色彩及びシンボルで表示されている。中央のパネルでは、二変量正規分布の中央のみが装置で発生したと分類される二変量正規分布と共にオレンジ色で表示され、その他の二変量正規分布はすべて緑色で表示されている。右側のパネルではフィーダーで発生したと分類された最大距離ＩＥＩ位置がオレンジ色で表示され、その他のすべては緑色で表示され、フィーダーからの移動がＩＥＩ期間中に起こったことを示している。右側のパネルではフィーダーへのアクセスを提供するランプの位置が檻の中へ突出する黒色矩形として表示されている。図２２ＢはＩＥＩ持続時間分類結果を示す。同じ野生ネズミの一日中の明サイクルの間に発生する対数変換ＩＥＩ持続時間に単変量正規分布がフィットされた。与えられた持続時間のＩＥＩ数の平方根がヒストグラムで表示されている。水色の線は各推定単変量正規分布を示し、赤線は各単変量正規分布の和からのデータへの推定フィットを示す。破線は明サイクルの間に発生した摂食の為の１６秒のこのネズミに関する短いＩＥＩ持続時間を示す。図２２ＣはＩＥＩ分類結果を示す。このネズミのバウト内期間（ｗｉｔｈｉｎ ｂｏｕｔ ｉｎｔｅｒｖａｌ＝ＷＢＩ）或はバウト間間隔（ｉｎｔｅｒ−ｂｏｕｔ ｉｎｔｅｒｖａｌ＝ＩＢＩ）としてのすべての明サイクルＩＥＩ分類は、ＩＥＩ最大距離位置が装置で発生し、ＩＥＩ持続時間が短い確率の平均値から決定された。各ＩＥＩについて対数変換持続時間がｘ軸に、フィーダーからの距離がｙ軸に表示されている。バウト内ＩＥＩはオレンジ色である。バウト間間隔はネズミがフィーダーに位置しても持続時間が短いＩＥＩ閾値を越える場合には赤色、ネズミが運動に従事した場合には緑色、ネズミが運動と摂飲に従事した場合には水色で表示されている。
図２３Ａは単一明サイクル活性状態を示す。左側のパネルはなめ口先端部からのネズミの距離対２４時間周期の時間を示す。緑色の点は運動バウトの間に発生した位置を示し、赤色の点は摂食或は摂飲バウトの間或はその他の行動でのバウトの間に動いた位置を示す。赤線は与えられた位置で過ごされた時間を示す。図の底部において、オレンジ色の鉛直線は摂食イベントの開始と持続時間を示し、水色の鉛直線は摂飲イベントの開始と持続時間を示す。（図示された時間分解能において、イベントの大部分は各自の線に分解されて居らず、重なって表示されている。）摂食及び摂飲イベントを図示する線の上部における厚手のオレンジ色或は水色の線は摂食及び摂飲バウトの開始と終了を示している。図２３Ｂは図２３Ａに示された活性状態期間中ネズミに占有された位置の箇所と持続時間を示す。図２３Ｃは図２３Ａ及びＴＤＥに示された活性状態期間中檻の中での通路を示す。緑色のシンボルは此処でも運動バウトの間に発生した位置を示し、赤色のシンボルは摂食、摂飲或はその他の行動のバウトの間の位置を示す。
図２４Ａ−ＣはＷＴ及びＯＢネズミの日ごとの量、強度、及び時間予算を示す。図２４Ａは日ごとの量と運動の平均を示す。各グループに関して、箱図の縁は百分位数７５及び２５の価を示し、箱図内の線は中央値を示す。各ネズミについてのデータは点で表示されている。ＯＢネズミは 摂食強度（ｐ＝０．０４７：ＷＴ ３．９±０．１ｇ， ＯＢ ４．１６±０．０８ｇ）或は水摂取量（ｐ＝０．２： ＷＴ ３．３±０．１ｇ． ＯＢ ３．６±０．１ｇ）で著しい相違がないのに、運動において有意義的に減少がみられる（ｐ＝４．３ｘ１０-8： ＷＴ ４７１±３７ｍ， ＯＢ ７８±５ｍ）。図２４Ｂは摂食、摂飲及び運動に関する平均日ごとバウト強度を示す。ＯＢネズミは 摂食バウト強度 （ｐ＝０．６：ＷＴ ０．７８±０．０３ｍｇ／ｓ， ＯＢ ０．７６±０．０３ｍｇ／ｓ）或は摂飲バウト強度（ｐ＝０．０３： ＷＴ ７．４±０．３ｍｇ／ｓ． ＯＢ ６．４±０．３ｍｇ／ｓ）で著しい相違がないのに、運動バウトの強度において有意義的に減少がみられる（ｐ＝７．９ｘ１０-11： ＷＴ １３．３±０．４ｃｍ／ｓ，ＯＢ ５．０±０．２ｃｍ／ｓ）。図２４Ｃは平均時間予算を示す。各グループのパイ型図はＩＳ（黒色）と摂食（オレンジ色）、 摂飲 （水色）、運動（緑色）、及びその他の行動（赤色）のバウトの間の時間の分割を示している。ＯＢネズミはＩＳで過ごす百分比時間が有意義的に長く（ｐ＝２．３ｘ１０-10： ＷＴ ６６．８±０．９％， ＯＢ ８３．５±０．５％ ）、運動のバウト（ｐ＝２．４ｘ１０-5： ＷＴ ３．７±０．３％， ＯＢ １．８±０．１％ ）及びその他の行動バウト（ｐ＝３．７ｘ１０-11： ＷＴ ２２．４±０．７％， ＯＢ ７．４±０．４％ ）で過ごす百分比時間が有意義的に短かった。 摂食及び摂飲バウトで過ごす百分比時間（ｐ＝０．６： ＷＴ ６．４±０．４％，ＯＢ ６．７±０．２％ ）（ｐ＝０．０８： ＷＴ ０．６３±０．０３％， ＯＢ ０．７１±０．０３％ ）には有意義的な変化はない。量、強度、及び時間予算の意味を評価するのに、複数のテストにボンフェロニ修正（Ｂｏｎｆｅｒｒｏｎｉ ｃｏｒｒｅｃｔｉｏｎｓ）が応用された（３テスト：食餌、水、運動）（５テスト：不活性状態、摂食、摂飲、移動、及びその他のバウト）。
図２５Ａ−ＣはＷＴ及び２Ｃネズミの日ごとの量、強度、及び時間予算を示す。図２５Ａは日ごとの量と移動の平均を示す。２Ｃネズミは日ごと水摂取量（ｐ＝０．８： ＷＴ ３．６±０．１ｇ． ２Ｃ ３．６±０．１ｇ）で著しい相違がないのに、運動（ｐ＝０．０１： ＷＴ ５１５±５０ｍ，２Ｃ ７１２±５７ｍ）と摂食強度 （ｐ＝０．００７：ＷＴ ４．４±０．１ｇ，２Ｃ ４．８１±０．０９ｇ）において有意義的に減少がみられる。図２５Ｂは摂食、摂飲及び運動に関する平均日ごとバウト強度を示す。２Ｃネズミは摂飲バウト強度（ｐ＝０．８： ＷＴ ３．６±０．１ｇ． ２Ｃ ３．６±０．１ｇ）で著しい相違がないのに、運動バウトの強度（ｐ＝０．００６： ＷＴ １２．５±０．４ｃｍ／ｓ． ２Ｃ １３．９±０．３ｃｍ／ｓ）及び摂食バウト（ｐ＝０．０１： ＷＴ ０．９８±０．０７ｍｇ／ｓ． ２Ｃ １．２２±０．０４ｍｇ／ｓ）において有意義的に増加がみられる。図２５Ｃは平均時間予算を示す。２ＣネズミはＩＳで過ごす百分比時間で有意義的な減少を示し（ｐ＝４．８ｘ１０-5： ＷＴ ６６±１％，２Ｃ ５７±２％ ）、他の行動で過ごす百分比時間で有意義的な増加を示す（ｐ＝９．２ｘ１０-7： ＷＴ ２２．８±０．７％，２Ｃ ３２±１％ ）。 摂食，摂飲及び運動バウトで過ごす百分比時間（ｐ＝０．０２： ＷＴ ６．４±０．５％，２Ｃ ５．０±０．２％ ）（ｐ＝０．７： ＷＴ ０．６１±０．０２％，２Ｃ ０．６４±０．０４％ ）（ｐ＝０．０４： ＷＴ ４．４±０．３％，２Ｃ ５．５±０．４％ ）には有意義的な変化はない
図２６ＡはＷＴ，ＯＢ及び２Ｃネズミの一日におけるなめ口からの距離を表示するものである。深緑色の線はＡＳ位置を示し、黒色線はＩＳ位置を示す。各図の底部においては摂食（オレンジ色）及び摂飲（水色）イベントが表示されている。図２６Ｂは同じ三匹のネズミの摂食（オレンジ色）、摂飲（水色）及び運動（ネオン緑色）イベントに関する８日間のデータを示す。ＡＳ開始と終了はイベントの上に深緑色の棒で示されている。図２６Ｃは緑色の点として同じネズミの同じ日のすべてのＡＳ開始と持続時間を示す。図２６Ｄは黒色の点として同じネズミの同じ日のすべてのＩＳ開始と持続時間を示す。図２６Ｃ及び２６Ｄにおいて、２４時間周期の開始時間はｘ軸上に、対数持続時間はｙ軸上に示されている。各ネズミの状態開始及び持続時間パタンをそのグループと比較するために、ランダムに選択された６４のネズミ—日開始及び持続時間が灰色の点として背後に表示されている。
図２７Ａ—２７ＤはＷＴ及びＯＢネズミの日ごとの状態パタンを示す。遺伝子型（Ｇ）、時間（Ｔ）及び時間反応による遺伝子型（ＧｘＴ）の影響が２ｘ１１の繰返し計量ＡＮＯＶＡによってテストされた。本図及びこれ以後の図において、右上隅のｇは遺伝子型の有意義的な効果、ｔは一日における時間の有意義的な効果、ｘは遺伝子型の一日における時間との反応の有意義的な効果を示す。本図及びこれ以後の図において、もし遺伝子型と一日における時間とに有意義的反応があるならば、各時間ビン（ｂｉｎ）における状態性質を比較するために事後のｔテストが行われた。有意義的な相違（ｐ≦０．０５）が検出された場合には各ビンの中にアステリスクが表示されている。一日における時間の変動は ＷＴ（中空正方形）及びＯＢ（塗り込み円形）ネズミに関して２時間ビンに表示されている。図２７ＡはＡＳ確率を示す（Ｇｐ＝１．７ｘ１０-10， Ｔｐ＝９．２ｘ１０-64，ＧｘＴｐ＝２．０ｘ１０-29）；図２７ＢはＡＳ開始率を示す（Ｇｐ＝２．５ｘ１０-6， Ｔｐ＝７．８ｘ１０-13，ＧｘＴｐ＝１．４ｘ１０-6）；図２７ＣはＡＳ持続時間を示す（Ｇｐ＝０．９６， Ｔｐ＝５．７ｘ１０-25，ＧｘＴｐ＝２．８ｘ１０-8）；図２７ＤはＩＳ持続時間を示す（Ｇｐ＝５．７ｘ１０-8，Ｔｐ＝４．９ｘ１０-32，ＧｘＴｐ＝１．０ｘ１０-5）。図２７Ｅは比較用密集化図を示す。比較用密集化はＷＴとＯＢネズミの間でＡＳ数及び持続時間の２４時間周期の時間変動に有意義的な相違を示す（Σχ2＝７０３，ｐ＜１．６ｘ１０-4）。上方の図（ ＷＴ ）及び下方（ＯＢ）の図において、各点はＡＳの開始時間（ｘ軸）と対数持続時間（ｙ軸）を示す。赤紫色の点はＷＴネズミがＯＢネズミより有意義的により多くの活性状態を提供する範囲を示す。灰色の点は両グループによって貢献される活性状態の数が有意義的に相違しない範囲を示す。相違が有意義的である範囲がΣχ2の９１．２％となって居り、これはこの範囲がＡＳパタンでの相違の大部分の原因であることを示している。
図２８Ａ—２８ＤはＷＴ及び２Ｃネズミの日ごとの状態パタンを示す。一日の時間に対するＷＴ（中空正方形）及び２Ｃ（塗り込み円形）ネズミの変動は２時間ビンに表示されている。図２８ＤはＡＳ確率を示す（Ｇｐ＝８．９ｘ１０-5，Ｔｐ＝７．０ｘ１０-148，ＧｘＴｐ＝１．２ｘ１０-9）；図２８ＢはＡＳ開始率を示す（Ｇｐ＝０．００２，Ｔｐ＝１．４ｘ１０-52，ＧｘＴｐ＝４．４ｘ１０-13）；図２８ＣはＡＳ持続時間を示す（Ｇｐ＝０．５，Ｔｐ＝１．８ｘ１０-48，ＧｘＴｐ＝１．２ｘ１０-6）；図２８ＤはＡＳ確率を示す（Ｇｐ＝８．９ｘ１０-5，Ｔｐ＝７．０ｘ１０-148，ＧｘＴｐ＝１．２ｘ１０-9）；図２８ＥはＩＳ持続時間を示す（Ｇｐ＝５．０ｘ１０-8，Ｔｐ＝ｐ＝９．６ｘ１０-81，ＧｘＴｐ＝６．７ｘ１０-15）。図２８Ｅは比較用密集化図を示す。比較用密集化はＷＴと２Ｃネズミの間でＡＳ数及び持続時間の２４時間周期の時間変動に有意義的な相違を示す（Σχ2＝２３３，ｐ＝０．００１）。シアン色の点はＷＴネズミが２Ｃネズミより有意義的により少ない活性状態を提供する範囲を示す。相違が有意義的である範囲はΣχ2の４８．３％となっている。
図２９Ａ及び２９ＢはＷＴ及びＯＢネズミの摂食及び運動バウト特性を示す図である。図２９Ａ及び２９ＢはＷＴ及びＯＢネズミの摂食及び運動バウト特性を示す図である。一日の時間に対する変動は以下のように表示されている：（ａ１）食餌摂取（Ｇｐ＝０．１，Ｔｐ＝５．７ｘ１０-38，ＧｘＴｐ＝３．４ｘ１０-8）；（ａ２)時間毎の摂食バウト（Ｇｐ＝８．３ｘ１０-7，Ｔｐ＝２．５ｘ１０-28，ＧｘＴｐ＝２．８ｘ１０-19）；活性状態時間毎の摂食バウト（Ｇｐ＝４．４ｘ１０-5，Ｔｐ＝８．８ｘ１０-5，ＧｘＴｐ＝０．２）；（ａ４）摂食バウトサイズ（Ｇｐ＝１．４ｘ１０-5，Ｔｐ＝０．０００４，ＧｘＴｐ＝０．２）；（ｂ１）運動（Ｇｐ＝２．８ｘ１０-8，Ｔｐ＝６．３ｘ１０-47，ＧｘＴｐ＝１．６ｘ１０-36）；（ｂ２）時間毎の移動バウト（Ｇｐ＝７．４ｘ１０-7，Ｔｐ＝１．４ｘ１０-44，ＧｘＴｐ＝１．０ｘ１０-32）；（ｂ３）活性状態時間毎の移動バウト（Ｇｐ＝１．８ｘ１０-6，Ｔｐ＝１．７ｘ１０-18，ＧｘＴｐ＝３．３ｘ１０-13）；（ｂ４）移動バウトサイズ（Ｇｐ＝０．０１６７，Ｔｐ＝６．５ｘ１０-7，ＧｘＴｐ＝０．０６）。
図３０Ａ及び３０ＢはＷＴ及び２Ｃネズミの摂食及び運動バウト特性を示す図である。図３０Ａ及び３０ＢはＷＴ及び２Ｃネズミの摂食及び運動バウト特性を示す図である。 一日の時間に対する変動は以下のように表示されている：（ａ１）食餌摂取（Ｇｐ＝０．０１，Ｔｐ＝３．２ｘ１０-92，ＧｘＴｐ＝４．９ｘ１０-9）；（ａ２)時間毎の摂食バウト（Ｇｐ＝０．６，Ｔｐ＝６．１ｘ１０-46，ＧｘＴｐ＝０．００１）；（ａ３)活性状態時間毎の摂食バウト（Ｇｐ＝０．３，Ｔｐ＝８．２ｘ１０-10，ＧｘＴｐ＝０．００２）；（ａ４）摂食バウトサイズ（Ｇｐ＝０．４，Ｔｐ＝２．０ｘ１０-54，ＧｘＴｐ＝０．０２）；（ｂ１）運動（Ｇｐ＝０．０１６，Ｔｐ＝６．１ｘ１０-105，ＧｘＴｐ＝３．８ｘ１０-5）；（ｂ２）時間毎の移動バウト（Ｇｐ＝０．００２，Ｔｐ＝９．２ｘ１０-106，ＧｘＴｐ＝１．３ｘ１０-8）；（ｂ３）活性状態時間毎の移動バウト（Ｇｐ＝０．０６，Ｔｐ＝４．２ｘ１０-59，ＧｘＴｐ＝２．９ｘ１０-5）；（ｂ４）移動バウトサイズ（Ｇｐ＝０．０８，Ｔｐ＝４．２ｘ１０-18，ＧｘＴｐ＝０．００６）。
図３１Ａ—３１ＦはＷＴ及びＯＢネズミの「活性状態内構成」に関する図である。ＷＴ（図３１Ａ ）及びＯＢネズミ（図３１Ｂ）に関し、明サイクル中に開始し終了する５０のランダムに選択されたＡＳの間に発生する摂食の開始及び終了（オレンジ色）、摂飲及び移動イベントが棒として表示される。ｙ軸上の線の各々は単一活性状態のデータを表示する。ＡＳ期間の時間は分単位でｘ軸上に示され、原点がＡＳの開始を示す。図３１Ｃ—３１Ｆにおいて、ＷＴ（中空正方形）及びＯＢ（塗り込み円形）ネズミのＡＳ開始以来の時間に対するバウト確率の変動が一分ビンに表示されている：（図３１Ｃ）摂食バウト（Ｇｐ＝４．６ｘ１０-6，Ｔｐ＝３．３ｘ１０-65，ＧｘＴｐ＝６．２ｘ１０-42）；（図３１Ｄ） 移動バウト （Ｇｐ＝０．２，Ｔｐ＝６．２ｘ１０-18，ＧｘＴｐ＝４．２ｘ１０-182）；（図３１Ｅ）摂飲バウト（Ｇｐ＝０．６，Ｔｐ＝５．３ｘ１０-3，ＧｘＴｐ＝０．０００２）；（図３１Ｆ）その他のバウト（Ｇｐ＝９．９ｘ１０-6，Ｔｐ＝６．７ｘ１０-63，ＧｘＴｐ＝７．９ｘ１０-34）。 バウト確率の意味を評価するのに、複数のテストにボンフェロニ修正が応用された（４テスト：摂食、摂飲、移動、その他）。
図３２Ａ—３２ＦはＷＴ及び２Ｃネズミの「活性状態内構成」に関する図である。ＷＴ（図３２Ａ ）及び２Ｃネズミ（図３２Ｂ）に関し、明サイクル中に開始し終了する５０のランダムに選択されたＡＳの間に発生する摂食の開始及び終了（オレンジ色）、摂飲及び移動イベントが棒として表示される。図３２Ｃ—３２Ｆにおいて、ＷＴ（中空正方形）及び２Ｃ（塗り込み円形）ネズミのＡＳ開始以来の時間に対するバウト確率の変動が一分ビンに表示されている：（図３２Ｃ）摂食バウト（Ｇｐ＝０．００８，Ｔｐ＝４．９ｘ１０-154，ＧｘＴｐ＝１．２ｘ１０-7）；（図３２Ｄ） 移動バウト （Ｇｐ＝０．６，Ｔｐ＝４．２ｘ１０-22，ＧｘＴｐ＝０．９）；（図３２Ｅ）摂飲バウト（Ｇｐ＝０．０７，Ｔｐ＝７．１ｘ１０-6，ＧｘＴｐ＝０．０５）；（図３２Ｆ）その他のバウト（Ｇｐ＝０．００２，Ｔｐ＝３．５ｘ１０-131，ＧｘＴｐ＝０．０００１）。
図３３は長短の持続時間分割の分類を示す。 ＷＴ２Ｃ比較からのすべてのＷＴネズミのすべてのＩＥＩ分割の平均持続時間と装置での確率とが表示されている。ＩＥＩは明サイクルの間に発生する写真光線イベントデータである。短持続時間分割はこのグループのネズミがフィーダーに留まる確率とそこから去る確率とが同様となる平均分割持続時間を推定するために局所的補間法を使用して線をフィットすることにより同定された。
図３４は移動バウト分類図である。単一のネズミの運動率（Ａ）及び回転角度（Ｂ）の確率密度推定が表示される。訓練セット内の運動イベントの密度（ＭＩＰ）は赤色で示されている。分類されるべき運動の密度（ＭASXIB）は緑色で示されている。破線は ＭＩＰとＭASXIB密度の交点を示す。ＭASXIB位置の運動率（Ｃ）或は回転角（Ｄ）がＭＩＰ位置と別個である相対的確率は運動率或は回転角に対して示されている。 運動率及び回転角の確率密度は、不活性状態及び摂食或は摂飲（赤色）、及びその他総ての運動（緑色）のバウト発生中の動作用の通常の核機能を有する核密度推定器を使用して推定された。これら二つの確率密度の交点を移動バウト内或はその他の行動（その場所での運動の中止）期間中に発生する運動の分類の閾値とした。
図３５は比較密集化法におけるクラスター数セクションに関する図である。デルタカイ二乗の和のカイ二乗分布から計算されるｐの対数はＷＴＯＢ比較のためのクラスター数（Ａ）及びＷＴ２Ｃ比較（Ｂ）に対して示されてある。破線は最小のｐ価を示し、点線はｐ価 が最小ｐ価と有意義的に異ならない範囲を示している。選択されたビンの数はＷＴＯＢ比較のためには１３、 ＷＴ２Ｃ比較の為には１４である。
図３６はＷＴ及びＯＢネズミの場合の活性状態量を示す。一日での時間に対する変動は以下のように示されてある：（Ａ）ＡＳ持続時間（Ｇｐ＝０．９６，Ｔｐ＝５．７ｘ１０-25，ＧｘＴｐ＝２．８ｘ１０-8）；（Ｂ）ＡＳ食餌（Ｇｐ＝５．６ｘ１０-6，Ｔｐ＝２．８ｘ１０-21，ＧｘＴｐ＝５．５７ｘ１０-5）；（Ｃ）ＡＳ水（Ｇｐ＝７．４ｘ１０-6，Ｔｐ＝９．６ｘ１０-36，ＧｘＴｐ＝４．６ｘ１０-9）；（Ｄ）ＡＳ運動（Ｇｐ＝７．３ｘ１０-5，Ｔｐ＝１．７ｘ１０-20，ＧｘＴｐ＝４．２ｘ１０-14）。
図３７はＷＴ及び２Ｃネズミの場合の活性状態量を示す。一日での時間に対する変動は以下のように示されてある：（Ａ）ＡＳ持続時間（Ｇｐ＝０．５，Ｔｐ＝１．５ｘ１０-48，ＧｘＴｐ＝１．２ｘ１０-6）；（Ｂ）ＡＳ食餌（Ｇｐ＝０．８，Ｔｐ＝１．０ｘ１０-43，ＧｘＴｐ＝７．２ｘ１０-11）；（Ｃ）ＡＳ水（Ｇｐ＝０．０７，Ｔｐ＝１．５ｘ１０-50，ＧｘＴｐ＝５．１ｘ１０-8）；（Ｄ）ＡＳ運動（Ｇｐ＝０．７，Ｔｐ＝５．７ｘ１０-43，ＧｘＴｐ＝０．００３）。
図３８はＷＴ及びＯＢネズミの場合の摂飲及び「その他」のバウト特性を示す。一日での時間に対する変動は以下のように示されてある：（Ａ１）水摂取（Ｇｐ＝０．０９，Ｔｐ＝９，６ｘ１０-53，ＧｘＴｐ＝７．５ｘ１０-7）；（Ａ２）時間毎摂飲バウト（Ｇｐ＝０．０００６，Ｔｐ＝２．１ｘ１０-50，ＧｘＴｐ＝２．９ｘ１０-6）；（Ａ３）活性状態時間毎摂飲バウト（Ｇｐ＝０．５，Ｔｐ＝３．６ｘ１０-12，ＧｘＴｐ＝９．５ｘ１０-7）；（Ａ４）摂飲バウトサイズ（Ｇｐ＝０．００３，Ｔｐ＝０．００２，ＧｘＴｐ＝０．００５）；（Ｂ１）他時間（Ｇｐ＝２．２ｘ１０-11，Ｔｐ＝３．３ｘ１０-62，ＧｘＴｐ＝３．５ｘ１０-40）；（Ｂ２）時間毎その他バウト（Ｇｐ＝２．９ｘ１０−７，Ｔｐ＝１．６ｘ１０-47，ＧｘＴｐ＝１．４ｘ１０-34）；（Ｂ３）活性状態時間毎その他バウト（Ｇｐ＝５．６ｘ１０-7，Ｔｐ＝８．５ｘ１０-18，ＧｘＴｐ＝２．５ｘ１０-11）；（Ｂ４）その他バウト持続時間（Ｇｐ＝０．００３，Ｔｐ＝９．３ｘ１０-9，ＧｘＴｐ＝０．０６）。複数のテストにボンフェロニ修正が応用され， 水摂取（３テスト：食餌、水、運動），その他のバウトにかけた時間（５テスト：不活性状態、摂食、摂飲、移動、及びその他），バウト率（５テスト：非活性状態率、摂食、摂飲、移動、及びその他）、水バウトサイズ（３テスト： 摂食、摂飲、移動）、及びその他バウト持続時間（５テスト： 摂食、摂飲、移動、及びその他）。
図３９はＷＴ及び２Ｃネズミの場合の摂飲及び「その他」のバウト特性を示す。一日での時間に対する変動は以下のように示されてある：（Ａ１）水摂取（Ｇｐ＝０．８，Ｔｐ＝５．５ｘ１０-101，ＧｘＴｐ＝５．２ｘ１０-9）；（Ａ２）時間毎摂飲バウト（Ｇｐ＝０．０４，Ｔｐ＝５．１ｘ１０-73，ＧｘＴｐ＝０．１）；（Ａ３）活性状態時間毎摂飲バウト（Ｇｐ＝０．９，Ｔｐ＝３．９ｘ１０-27，ＧｘＴｐ＝０．００３）；（Ａ４）摂飲バウトサイズ（Ｇｐ＝０．００７，Ｔｐ＝９．４ｘ１０-17，ＧｘＴｐ＝０．９）；（Ｂ１）他時間（Ｇｐ＝１．６ｘ１０-6，Ｔｐ＝６．２ｘ１０-146，ＧｘＴｐ＝２．０ｘ１０-12）；（Ｂ２）時間毎その他バウト（Ｇｐ＝０．００２，Ｔｐ＝７．５ｘ１０-108，ＧｘＴｐ＝３．４ｘ１０-8）；（Ｂ３）活性状態時間毎その他バウト（Ｇｐ＝０．０６，Ｔｐ＝８．９ｘ１０-54，ＧｘＴｐ＝４．８ｘ１０-5）；（Ｂ４）その他バウト持続時間（Ｇｐ＝０．５，Ｔｐ＝８．９ｘ１０-23，ＧｘＴｐ＝０．２）。] 図１ 図１０ 図１１ 図１２ 図１３ 図１４ 図１５ 図１６ 図１７ 図１８
実施例

[0015] １．序文及び関連技術
本発明は高分解能行動データの収集、管理、及び解析の方法、システム、及び装置に関する。これらのシステム及び方法は嘗て達成されなかった高レベルにおいて行動パタンを検査する機会を提供するものである。行動監視システムによって生成される品質評価及び制御、文書保管、データ疑問、データ縮小、解析工程及び可視化技術を含む非常に大きく独特なデータセットの管理及び解析の方法及びシステムが提供される。自発的行動のかように詳細な解析は行動の神経的機構に関する基本的識見を供し、脳機能への遺伝学的、薬学的、及び環境学的影響の高感度の検出を可能とする。]
[0016] 以下提供される記述の大部分はホームケージ監視（ＨＣＭ）システムの被験動物の行動に関するシステム、方法、及び装置によって提供されるものであるが、本発明は決してそのように限定されるものではない。例えば、行動データを濾過及び解析する方法及びシステムは如何なる行動監視システムと使用することも出来る。以下の記述においては発明が明確に理解されるように多くの特定的詳細が開示される。しかし、本発明が此処に記載される具体的な詳細に限定されることなく実施可能であることは明白であろう。]
[0017] 本発明は行動監視システムからのデータの濾過、データ品質制御及び評価、及び解析に関する。一般に、行動監視システムは監視対象動物が存在或は反応する一個以上の装置を含むものである。監視システムは例えば此処に総ての目的において参照して合同される”Ａｎｉｍａｌ Ｃａｇｅ Ｂｅｈａｖｉｏｒ Ｓｙｓｔｅｍ”と題する米国特許出願７，０８６，３５０号に記載されたようなホームケージ監視システムであってよい。典型的に監視システムは測定期間に亘って運動及び装置イベントデータの連続的監視を提供するものである。例えば、監視システムは運動（例えば空間位置対時間の形態で）、ならびに摂取イベント、感覚的刺激イベントなどの連続的監視の結果であるデータを供するものである。]
[0018] 発明の方法及びシステムによって使用される行動監視システムは非常に多量のデータを生成するものであり、例えば単一対象物は一日の間に数万から数十万の運動、数千から数万の摂取イベントなどを生成する。このデータに何週、何年の観察に亘り数百或は数千の対象数で掛けるには強固な自動化されたデータの品質評価及び修正の技術が要求される。データ品質評価及び修正の方法及びシステムが以下において論じられる。]
[0019] 本発明は別面においてデータ縮小、可視化、及び生物学的にもっとも関連ある解析方法を含む行動の要素及びその時間的及び空間的構成を定義する新規な定量的アプローチである。これらのアプローチはデータ品質制御アルゴリズムによって促進される。殊にクラスターの分類及び行動のバウト、並びに行動の活性不活性状態の分類が以下において記述される。或る実施例において、行動の分類が強固な自動化された様相で実施される方法及びシステムが提供される。]
[0020] 明細書においては以下の技術用語が使用される。明細書の理解のために以下の記述が供されるが、これは本発明の範囲を限定するものではない。]
[0021] 行動イベントとは特殊なタイプの行動の事例或いは発生のことである。行動イベントの例には消費行動に関するイベント、(食物、液体、医薬品、などの消費を含む）、運動行為に関するイベント、交信に関するイベント、監視対象に関連する種々の普通の行動に関するイベントが含まれる。例えば、檻の中のネズミについて測定できる行動イベントには摂食、摂飲、檻の中の運動が含まれる。ヒトについて測定できる行動イベントには摂食、摂飲、或る地域の回りの運動、電話、コンピュータのような特殊な電子装置の使用などが含まれる。その他の行動イベントは特種な刺激或いは装置に対する動物応答に関するものであってもよい。]
[0022] 装置イベントとは既知の位置にある装置との反応に関する行動イベントのことである。この位置とは一定の位置でも可動の位置でもよい。その例には檻の中のフィーダーで発生する摂食イベント、檻の中のなめ装置で発生するなめイベントが入る。その他の装置イベントの例として家の中の既知の位置にあるコンピュータの使用、或る特定のレストランで発生するものであり、そのレストランにある装置との反応で示される摂食イベントがある。]
[0023] 装置の例にはなめ装置、動物による液体摂取の度合いを提供する装置、フィーダー、捕獲状態にある動物に食餌を与える装置などがある。或る実施例のフィーダーは動物によって摂取された食餌の量を示すものである。装置との反応は行動の測定に必要なもののことでもよい。例えばネズミによる水の消費はなめ装置においてネズミが水を得るためになめ口をなめることによるキャパシタンスの変化によって測定されてもよい。同様に摂食は動物がフィーダーの中の食餌に届くために写真光線を遮るときに写真光線検出器によって測定することが出来る。その他の装置として回転輪、レバー及び穴がある。レバーや穴は食餌、液体、薬品、或いは感覚的刺激の投与或いは供給と反応する。或る実施例において、装置とはオペラント調教装置である。装置との反応には他の動物、感覚的刺激(例えばオドラント）或いは新規な或いは既知のものに露出することがあり、測定で動物の感覚的刺激などに対する反応について行動情報が得られる。]
[0024] イベント間間隔とは同じタイプの二つの行動イベントの間の間隔のことであり、例えば二回の写真光線遮断の間の間隔のことである。同様に或る行動がコンピュータとの反応で測定される場合、イベント間間隔がキーボードのキーの押される間隔或いはマウスをクリックする間隔などであってよい。]
[0025] イベント開始エラーとは装置イベントが実際には発生して居ない場合イベントの開始を誤って測定することに関する。檻を揺らすこと、食餌の移動による写真光線の遮断、なめ装置による電磁界ノイズの検出などが擬似摂食及び摂飲イベント測定の原因の例である。]
[0026] イベント終了エラーとは装置イベントが実際には終了したのに継続を示す測定エラーを意味する。イベント終了エラーの原因の例として、摂食バウトの間食餌粒子によるフィーダーの写真光線の遮断がある。なめ装置の故障は自発的滴下の結果かも知れず、また寝具材をなめ口に（ネズミにより）置くことに起因するものかも知れない。そのようなエラーはもし検出されないならば装置イベントの長さの過大評価となり、その装置における動物の行動が長引いた結果となる。]
[0027] 運動データは測定地域内での被験動物の運動に関する情報のことである。これには空間的及び時間的情報、例えば測定期間の時間における動物の空間的位置が含まれる。運動データは一定の時間、例えば１秒間収集されてもよいが、多くの実施例の場合、生データセットにおけるデータの量を減少させるため、運動データは動物が或る閾値以上動いた時に収集される。データ収集閾値距離は行動監視システム及び対象のタイプに依存して変化する。広範囲におけるヒトが対象である場合、数キロメートルの閾値が妥当であり、他の動物の場合には数メートルが、げっ歯類の場合には数センチメートルが適当であろう。従って、運動データは動物の位置及び各位置での時間或いは以前の位置からの持続時間が含まれてよい。位置及び／或は運動はロードビーム、ＲＦＩＤトランスポンダー、衛星システム、ビデオ追跡など、種々の機構によって測定されてよい。]
[0028] ドリフトとは測定に関連する蓄積されたエラーのことである。総合位置ドリフトとは測定期間内の或る時間における測定地区内のｘ及びｙ座標（及び／或は測定されるならばその他の座標或いは次元）でのドリフトのことである。例えばロードビームが動物の運動の監視に使用される場合、運動の測定は檻の中の質量分布に影響される。変化は動物の体重、フィーダー内の食料の量、及びなめ装置内の水のみならず寝具材の移動によっても起こるものである。檻の位置に対する運動路及び摂取行動位置が移動するようなｙ軸における位置情報の移動は檻の逆側に置ける食料及び水の除去の結果であるかも知れない。装置イベントドリフトは各イベントにおいて測定される装置の位置の見かけのドリフトのことである。総合位置ドリフトと同様、装置イベントドリフトは典型的に各座標或いは次元について測定される。]
[0029] 対象動物行動はバウト（ｂｏｕｔ）とクラスターとに分類される。バウトとは同じ行動的行為の発生或いは発生の繰り返し、或いは時間的に密集するように見え、及び／或は異なる行動の介在によって分離されない行動的行為（例えば食餌摂取或いは写真光線の遮断）のことである。或る実施例において、バウトとは或る特別な位置における行動の発生及び／或は繰り返しによって特徴づけられるものである。クラスターとは同じ行動行為のバウトの繰り返し或いは時間的に密集するように見える行動行為(例えば食餌の消費或いは写真光線の遮断)の表示である。]
[0030] 対象動物行動は更に状態、例えば活性及び不活性状態へと編成される。状態は特殊な一種以上の行動の増加した確率及び／或は一つ以上の特徴的位置でのこれらの行動の発生によって特徴付けられるものである。例えば活性および不活性状態に分類されてもよい。活性状態とは或る測定行動（例えば摂食、摂飲、或いは運動）の確率が増加した状態のことである。不活性状態とは若干の測定ウインドウに亘って特徴的位置にいる確率の高い状態のことである。これらの特徴的位置とは捕食或いは環境的条件からの避難所として作用するものであってよい。不活性状態の期間中、対象の動物には或る特定の測定行動（例えば休息或いは睡眠）に従事する確率の増加があってもよい。議論のため以下の記述においては主として活性不活性の分類に言及するが、方法はこれに限定されるものではなく、特種の行動或いは位置において発生する行動の確率の増加するその他の状態の分類の同定に使用することが出来る。]
[0031] 本発明の実施例は種々のコンピュータで実行する操作を実施するための実体的及び非実体的コンピュータで読むことの出来るメディア或はプログラム指令及び／或はデータ（データ構成を含む）を含むコンピュータプログラム製品に関するものである。コンピュータで読むことの出来るメディアの例にはハードディスク、フロッピイディスク、磁気テープ、のような磁気メディア、ＧＤ−ＲＯＭ装置、ホログラフ装置のような光学的メディア、磁気光学的メディア、半導体メモリ装置、及びリードオンリメモリ装置（ＲＯＭ）及びランダムアクセスメモリ(ＲＡＭ)、及び時として特種応用集積回路（ＡＳＩＣ）のようなプログラム指令を記録し実行するように特に構成されたハードウエア装置、プログラマブル論理装置（ＰＬＤ）及び局地ネットワーク、広範囲ネットワーク、及びインタネットのようなコンピュータで読むことの出来る指令の配達用信号発信メディアを含むがそれに限られるものではない。本発明のデータ及びプログラム指令はキャリア波或はその他の輸送媒体（例えば光学線、電気線及び／或は空気波）によって実施されてもよい。]
[0032] データベースとは情報を記録及び検索する手段のことである。データベースは更に保存された情報の仕分け及び／或はサーチの手段を提供するものである。データベースには文書システム、カードシステム、機械的システム、電子的システム、光学的システム、磁気的システム、或いはこれらの結合物のような便利な媒体を含むことが出来るが、それに限定されるものではない。或る実施例のデータベースは電子的（例えばコンピュータに基づく）データベースが含まれる。データベースの保存及び操作に使用されるコンピュータシステムは当業者には周知であり、パーソナルコンピュータシステム、メインフレームシステム、インタネット或はイントラネット上の分配ノード、専用ハードウエア（例えばマイクロチップ）に保存されたデータ或はデータベースなどを含むがこれらに限定されるものではない。]
[0033] ２．データ品質制御
行動監視システムは大量のデータを生成する。例えば檻の各々が食餌消費表示器、液体消費表示器運動を測定する活動プラットフォームを有する３２檻監視システムは９６個のデータ収集装置を有する。一日ごとに、各装置は例えば５００−５０００の摂食イベント、１０００−１００００のなめ装置イベント、ならびに１００００−３５００００空間位置のような何千ものイベントを記録する。これらのイベントの処理には強固な自動化された品質評価アルゴリズムが必要とされる。大きな生物学的データセットを有効的に使用するにはデータ品質を評価する新規な方法が要求される。データの品質は例えば機械的不成功或は被験動物の装置との特異な相互作用によって影響されることがある。行動システムデータの品質の評価には行動データの品質に悪影響がないように考慮が必要である。]
[0034] 本発明は諸面において行動監視システムによって生成された多量のデータの品質制御及び評価に関する。種々の実施例において、この方法は周期的摂取測定、対象動物及び装置外観、及び環境状態に関する実験者観察を合体するものである。尚、行動データ収集装置の機能を監視するのに要求される自動化された技術が供される。]
[0035] 高度の時間的及び空間的分解能を以て摂食、摂飲及び移動活動を評価する行動監視システム。収集されたデータの高分解能は高感度で行動パタンを識別する解析アプローチの発展に必須である。しかし、これらの行動データセットの複雑な特性及びサイズの大きさとは以下のような諸問題を供するものである：（１）データ保存及び質問用の高容量行動データ管理システムの必要、（２）システムノイズ、装置不成功、人的エラーの例を検出及び管理するための品質制御ツールの開発、及び（３）データ縮小及び行動パタンへの遺伝学的及びその他の影響を検出する能力を最大化する解析技術の開発。これらのデータセットは特異なものであるので、これらの問題には新規な解決法が要求されるものである。]
[0036] 上記で指摘された如く、データベースは典型的に測定地区内の動物の運動或いは空間的位置、並びに一個の或いは典型的に複数の装置からの行動装置イベントデータを含むものである。種々の実施例において、品質制御方法は行動データを解析して位置情報と装置情報の間及び／或は複数の装置から受けた情報の間の不一致を検出することから成る。]
[0037] 図１は或る実施例によりデータを濾過する工程の大要を示すものであり、図２−６は図１に記述された或る処理の特種実施例の詳細を示すものである。図１に説明された処理の中のいくらか或いは全部はデータ品質評価及び解析用の濾過されたデータッセットの製作に使用可能である。これに追加的の品質制御処理も実行されてよい。この工程は測定期間の運動及び装置イベントデータの入力で始まる（１０１）。結合された測定期間及び測定地区(例えば檻の運動及び装置イベントデータはデータッセットと言及されてもよい。このデータセットは如何なる形態であってもよく、複数の対象動物のデータを含むものでもよい。多くの実施例において、運動データは時間対位置データとして供される。装置イベントデータは測定期間内の異なる時間における装置との反応表示を含んでもよい。例えば、データセットの位置／運動データは動物が或る規定距離(例えば1ｃｍ、１０フィート、など）以上の距離を動く度の記録を含んでもよい。データは例えば測定期間内での動物位置及び時間或いは以前記録された位置からの持続時間の形態であってよい。同様に、摂食或いは摂飲の行動に関し、データセットは食餌及び液体摂取装置からの信号間の持続時間を含むものでよい。データは例えば上記の米国特許出願７０８６３５０号に記載された方法で外部から入力されたものでもよい。] 図１ 図２
[0038] 工程は虚偽装置イベントデータの同定及び除外（１０３）によって継続される。これには虚偽装置イベント開始とも言及されるイベント開始エラーの検出が関係する。例えば檻の揺れ、食餌の移動による写真光線の短期間の遮断、なめ装置により電磁界ノイズ検出などの偽性装置イベントの原因で虚偽摂食及び摂飲イベントが出来てしまう。同様に、対象物によって可動電話或いは追跡機のボタンが計画的に押されることに依存する行動監視システムにおいて、虚偽装置イベント開始は不注意な作用による場合がある。事実上装置イベントが発生して居ないのに装置イベントの発生を示す如何なるタイプのエラーもイベント開始エラーである。これらのイベントは典型的には稀なのであるが、装置イベントが運動位置修正（以下において記載）に使用される場合には有意義となる。]
[0039] イベント開始エラーが検出され関連する装置イベントデータが除外された後、位置運動データの不正確が計算される（１０３）。或る実施例において、位置情報の不正確は蓄積される。例えばロードビームが動物運動の監視に使用される場合、運動測定は檻の中の質量分布の変化に影響される。変化は動物の体重、フィーダー内の食餌及びなめ装置内の水の量の変化並びに寝具材料の移動で発生する。かような変化が考慮されないと、結果として位置情報の不正確となる。運動位置エラーの一例が図２に示されて居り、ここには２４時間の行動記録が移動位置を緑色、摂食イベント位置をオレンジ色、摂飲イベントを水色として示してある。ここでは２０１においてｙ軸上に位置情報の移動の証拠が見え、移動路及び摂取行動位置は檻位置に対して後方（上方）に移動している。かような不正確は檻前方の装置からの食餌及び水の除去に起因するものである。] 図２
[0040] 図２は位置情報の測定に檻の中のロードビームを使用した結果のものである。装置イベント（例えば摂飲及びフィーダー写真光線中断）は檻内或いは他の測定区域の既知の位置で発生し、この情報は運動及び位置データの修正に使用される。修正された行動記録は図２の２０３に示されている。運動位置データ修正の一実施例の詳細が図６に関連して下記に記述されている。位置データの不正確の修正に装置の既知の位置（及び動物の予期される位置）が使用されるので、位置データ修正の前に上記の虚偽装置イベント開始に関連する装置イベントデータを除外するのが好適であることに留意されるべきである。運動位置修正は虚偽装置イベント除外の後のみならず、その前に実施されてもよい。] 図２ 図６
[0041] 一度位置データが修正されると、装置イベントの終了不成功の結果であるデータセットの不正確が同定され除外される（１０９）。或る場合において、装置から離れても終了しないような装置イベントを動物が開始することがある。例えば摂食バウトの間に食餌粒子によってフィーダーの写真光線が遮断されることがある。自発的滴下とか、（ネズミによって）寝具材がなめ口に置かれることによってなめ装置不成功が発生することもある。同様にビデオ、衛星、電子追跡が不成功で装置イベントが登録されないことがある。検出されない場合、かようなエラーは装置イベントの長さの過大評価及び装置における動物の活動が誤って示されることになる。ある実施例においては、装置開始エラーが既に検出されて除外され、位置修正が実施されたデータを使用して装置イベントの間の対象物のすべての位置を見出すことにより装置の終了不成功が検出される。装置イベント間の対象物の位置は高速最隣接密集化（ｒａｐｉｄ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｃｌｕｓｔｅｒｉｎｇ）アルゴリズムを使用して密集化される。イベント終了エラーがない場合、装置に唯一のクラスターが存在するはずである。一個以上のクラスターが存在する場合、装置に最も近接した最大のクラスターが有効なイベントを含むものとされ、其処以外で発生するイベントは除外される。或る実施例に従って装置イベント終了不成功を検出する詳細は図７を参照して以下において説明される。] 図７
[0042] 或る実施例において、測定期間内での動物の総合的測定された運動が既知の動物行動と比較され、位置検出機構との潜在的エラーが検出される（１１３）。例えばロードビームの機能不全があると、位置測定エラーが発生する。一例において、機能不全の場合のスクリーニング法として動物の素質傾向が使用され２４時間の記録期間に亘り檻の地区全体が調査される。ロードビームの飽和の結果、運動データの切捨て或いは歪みとなり、中央軸の緩みのような問題の結果運動データの切捨ての結果となる力の過小評価となることがある。ロードビーム検出或いは或る実施例による他の位置検出器機能不全については以下図１０を参照して説明される。同様に位置データは他のタイプの位置検出機構用の既知の動物行動と比較することが出来る。更に、位置データは例えば対象物が進入不可能な測定区域以外の位置のような境界違反用に検査することが出来る。] 図１０
[0043] 図１の処理の種々の実施例が以下において説明される。] 図１
[0044] Ａ．装置開始エラーの検出
潜在的装置イベント開始エラーの検出には記録された装置イベントと独立的に収集された位置データとの間の不一致の検出が含まれる。例えばなめ装置からの信号が或る時間におけるなめイベント発生を示唆するのに、その時間における位置データがその時間でのその装置におけるネズミ或いはその他の対象物の不在を示すことがある。その場合、装置データ収集或いは運動データ収集のどちらかにエラーがある。或る実施例において、本発明での方法は位置情報を使用して除去及び／或は使用者によるその後の検討のために潜在的虚偽装置イベントを検出しフラッグで示すものである。]
[0045] 或る実施例においては一度動物の位置データと装置開始データの間に不一致が同定されると、このエラーが装置データ収集からのものか運動データ収集からのものか決定される。エラーが装置データ収集からのものであると、その装置イベントは自動的に除外されるか或いはフラッグで識別され除外されるべきか使用者に決定のために供される。]
[0046] 上記の如く、一定の時間における装置イベントの表示がその時間における動物の測定位置と不一致の場合に潜在的イベント開始エラーが検出される。或る測定システムにおいては、位置（運動）データがエラーの蓄積が問題となる機構によって収集される。この蓄積されたエラーはドリフトと言及される。もし動物が装置の近くに居ないと位置データが表示しているときに装置イベントが発生すると、大きな位置ドリフト或いは虚偽イベント開始が発生したことになる。これらの可能性は総合位置ドリフトを測定しそれを装置活性化の間における動物の表示位置のドリフトと比較して識別可能である。もしイベント活性化の時における総合位置ドリフトが装置活性化の開始における動物の位置ドリフトと同様であるならば、そのイベントは有効とみなされてよい。総合ドリフトと装置ドリフトとに相違があると、偽性装置イベントの可能性が発生する。図２は装置イベントドリフトを総合位置ドリフトと比較してイベント開始エラーを検出する或る実施例による工程の概要を示すフロー図である。] 図２
[0047] この工程は或る時間期間において対象動物の総合位置ドリフト（ＰＤ）を測定することで始まる（３０１）。（総合位置ドリフトの測定は以下において図４を参照して説明される。）各装置イベントが考慮される。与えられた装置イベントに関してイベント開始の時間ｔにおける対象動物の表示された或いは測定された位置が得られる（３０３）。装置イベントドリフト（ＥＤ）が次いで決定される（３０５）。時間ｔにおける位置ドリフト（ＰＤt）と装置イベントドリフト（ＥＤ）との差が決定される（３０７）。この差は閾値差と比較される（３０９）。もしこの差が閾値より大きいと、このイベントはフラッグで識別され使用者に供される（３１１）。代行的に、装置イベントが自動的に虚偽と分類され関連するデータが除外されてもよい。３１３の決定ブロックで残余装置イベントの検査がある。対象物の装置イベントと測定期間に残余が存在する場合、フラッグ識別されたイベントは再調査のため使用者に供される（３１５）。] 図４
[0048] ＥＤの計算には、イベントの時間における動物の測定された位置と測定ウインドウにおけるイベントの第一測定位置との比較が含まれる。もしこのタイプの第一イベントが測定区域の座標の初期化に使用されたのであるならば、これは装置の既知の位置に基づくイベントの間の動物の推定位置であろう。座標の初期化は運動位置修正の一部として以下において説明される。]
[0049] 総合位置ドリフトの推定を得るため、測定区域における対象物の運動の境界を定義する最小と最大位置（Ｘ，Ｙ，及び／或はその他）でのドリフトの推定が取得される。或る実施例において、総合位置ドリフトの決定には凸状殻体（ｃｏｎｖｅｘ ｈｕｌｌ）の両側の最小から最大位置への距離が檻或いは他の測定区域の幅（Ｘ位置）或いは長さ（Ｙ位置）の或る百分比のより大きくなくてはならないとの条件のもとで凸状殻体をＸ及びＹ（或いは他の座標）位置対スライディング時間ウィンドウの時間にフィットすることを含む。この特殊な測定区域に好適な如何なるタイプの座標システムが使用されてもよい。重複する凸状殻体は距離条件が満たされるまで独立的に拡張されて最小及び最大位置における総合ドリフトの推定値をもたらす。この位置包絡線は平均することが可能であり、この平均はデータ収集の間のどの時間における総合ドリフトの推定値の取得にも使用可能である。このドリフトが装置位置の見かけのドリフトから例えばＸ方向で１０ｃｍ、Ｙ方向で１５ｃｍのような一定の閾値以上異なる場合、この装置イベントは処理３１１における如く以後の再調査のためにフラッグで識別される。]
[0050] 図４は上記のように総合位置ドリフトを取得する主要処理を示す工程フロー図である。この工程は対象物と測定期間の位置対時間データを入力することで始まる（４０１）。例えばＸ，Ｙ，及び／或はその他の座標のような位置座標に関して、凸状殻体は持続時間ｄのウインドウに座標位置対時間にフィットされ時間 ｔ0に初期化される（４０３）。凸状殻体は既定数の座標位置単位ｘを包含する時間ｔnまで時間的に拡張される（４０５）。例えば凸状殻体は測定区域の全体の幅或は長さの一定割合、例えば８０％を包含するまで拡張されてよい。処理４０３及び４０５は持続時間ｄ凸状殻体に繰り返され、時間ｔ0に初期化され 時間ｔmに距離条件が満たされるまで拡張される（４０７）。これはｔmが測定或は観察期間、例えば１日となるまで繰り返される。座標の位置ドリフトはいずれかの時間における凸状殻体に沿った最大と最小位置の平均を取得することで推定され、それによって位置ドリフトが時間の関数として得られる。図４に説明される工程は各位置座標について実施され、例えば時間ｔ＝３時間におけるＸ方向の位置ドリフトとして−３ｃｍ、Ｙ方向の位置ドリフトとして２ｃｍが得られる。] 図４
[0051] イベント開始エラー検出のグラフ例が図５Ａに示される。これらのグラフは２４時間の監視期間に亘る総合位置ドリフトとなめ装置イベントドリフト（水色）及び写真光線イベントドリフト（赤色）との差を示す。Ｘ及びＹ軸ドリフトは別々に示されている。此の場合Ｘで１０ｃｍＹで１５ｃｍのフラッグ識別イベントのドリフト差閾値は破線で示されている。この例においては、Ｙ軸ドリフト差がなめ装置イベントの閾値を超過する二例がフラッグ識別されている。このなめ装置イベントデータを自動的に除外すること或はフラッグ識別されたイベントを図５Ｂのように使用者による再調査用に提供することが可能である。] 図５Ａ 図５Ｂ
[0052] Ｂ．運動位置修正（ＭＰＣ）
運動位置修正には運動及び位置データを修正するのに装置の既知の位置が使用される。 ＭＰＣアルゴリズムは運動／位置データから計算された各装置イベント開始における動物の位置を装置の既知の位置に基づく動物の推定位置と比較する。計算された位置と推定位置との差が閾値より大きい場合には、その前のループでの運動データが修正される。]
[0053] 或る若干の処理が図６のフロー図に示されている。この工程は座標の初期化で始まる（６０１）。各セッション（測定期間）の冒頭において、対象動物の座標が初期化される。この初期化は第一の装置イベントにおいて図６に示される例のように装置における対象動物の推定位置に基づいて対象動物の座標が初期化されてよいが、如何なる適切な初期化が行われても良い。第一装置イベント（或はその他の初期化）以前の動物位置は逆算できる。次の装置イベント（ＤＥn）においてはロードビーム、ビデオ追跡、その他の位置検出機構その他で測定された動物位置が装置の既知の位置に基づいて対象動物の推定位置と比較される（６０３）。この差が位置ドリフト（ＰＤ）である。此の比較は各位置座標（此の例ではＸ及びＹ）に関して行われる。もし装置イベントの間測定された位置と推定位置との差が一定の閾値を超過する場合（ブロック６０５参照）、データセットの位置データはこの差をＤＥnと前回の装置イベントとの間の測定された位置に亘って分布することにより修正される（６０７）。この分布は位置間の移動距離によって加重されたものあってよい。この工程はこの測定期間内のすべての装置イベントが考慮されるまで次回の装置イベントＤＥn+1に繰り返される（６０９）。] 図６
[0054] 檻の中のネズミに関する位置及び運動データ修正のＭＰＣツールの使用は上記の図２に示されている。しかし、位置情報の確証及び修正のために対象動物と既知の位置を有する装置との作用が利用可能な各種の実験環境においてＭＰＣツールは使用可能である。図１において、ＭＰＣツールは虚偽装置開始の検出と除外の後に実施されていることが示されて居り、これはＭＰＣが位置情報を修正するのに対象動物の推定位置に依存するので重要なことである。或る実施例において、ＭＰＣツールは虚偽装置イベントの除外以前に使用され、除外の後再度使用されてよい。] 図１ 図２
[0055] Ｃ．装置イベント終了不成功の検出
或る実施例においては、上記の如く、終了不成功の装置の事例を検出するのに隣接密集化アルゴリズムが使用される。装置イベントの間の対象動物のすべての位置が密集化される。図７は工程フローの主な処理を示し、この工程は特別な装置の総ての装置イベントに関するすべての位置データを入力することで開始する（７０１）。上記の如く、このデータについては装置開始エラーが既に検出されて除外されたものであり、ＭＰＣツールが実施され再実施されたものである。各装置イベントに関してそのイベントの開始位置からの最大位置が取得される（７０３）。次いでクラスター解析が実施されてこれらの最大位置が密集化される（７０５）。もしイベント終了エラーがない場合には、予期される装置位置を中心にして只一個のクラスターがある筈である。一個以上のクラスターが存在する場合には予期される装置位置に最も近くを中心とする最大のクラスターが有効イベントを含むものとされ、其所以外に発生するイベントは除外される。従って、予期される装置位置に最も近いクラスターが受け入れられる（７０７）。この受け入れられるクラスター以外の最大位置を有するイベントはすべて除外される（７０９）。これと異なる密集化及び除外の標準が使用可能であることは当業者には理解出来ることであろう。イベントデータは自動的に除外されてもよく、叉フラッグ識別されて使用者に除外の判断の為に供されてもよいことに留意されるべきである。] 図７
[0056] ネズミの住居檻監視システムにおける摂食及び摂飲イベントの密集化のグラフ例が図８に示されている。図８に示される例において、フィーダー（緑色の正方形）に近い摂食イベントのクラスターとなめ装置（水色の円）に近い摂飲イベントのクラスターとが同定された。相反する隅の二つの正方形は二つの摂食イベントの間に決定されたフィーダーからの動物の最大距離を示す。赤色は有効な摂食イベントの標準外であることを表すものである。] 図８
[0057] Ｄ．位置検出器機能不全の検出
或る実施例の行動監視システムは動物運動及び位置の決定用の力のトランスデューサとして機能するようにロードビームを使用する。時としてロードビームには機能不全のことがあり、これらの測定にエラーが発生する。ロードビームが飽和すると結果として運動データに切り捨て及び歪みが発生し、中央の軸が緩むような問題の結果として力の過小評価、運動データにおける切捨てとなる。このようなエラーの起こったデータの例がグラフとして図９に示されて居り、測定値は緑色で示されている。これらのタイプのエラーの可能性は単にロードビームにおけるもののみでなく、その他のタイプの位置検出にもあることである。例えば市のような広範な測定範囲での可動追跡装置に依存する位置検出器は天候によってある地理的区域においては送受信を失うことがある。] 図９
[0058] このようなエラーの或る実施例における検出には、測定期間のすべての修正された運動位置を既知の或いは予期される動物行動パタンと比較することが含まれる。その一例としてネズミの２４時間の測定期間に亘って檻の全面積を捜索しようとする偏向がある。その他の例として、対象人間には一日あるいは一週の間に仕事場に隣接した地域を歩き回ることが期待される。]
[0059] 或る実施例において、このようなエラーの検出にはすべての修正された運動位置の凸状殻体をプロットし、その凸状殻体を既知の或いは推定動物行動パタンと比較することが含まれる。例えば、比較には凸状殻体が占有する測定面積の百分比の計算が含まれる。もし檻面積の或る百分比、例えば８０％以下が凸状殻体で占有されているならば、その日或いは他のデータ測定期間のデータはその後の使用者による再調査のためにフラッグ識別されてもよい。図１０は或る測定期間に入力された位置データからの検出位置検出器機能不全の一実施例の主処理を示すフロー図である。この工程は測定区域足跡を定義するため測定区域の凸状殻体を生成することで始まる（１００１）。他の生成方法或いは既存の測定区域足跡が使用されてもよい。測定期間のすべての測定位置の凸状殻体が生成され（１００３）、凸状殻体の百分比インタセクションが計算される（１００５）。このインタセクションはブロック１００７の閾値と比較され、もしこれが閾値より大きければそのデータは受領され、少なくともフラッグで識別されることはない。もしこれが閾値より小さければこのデータを除去されるべきか決定される（１００９）。この決定は使用者の再調査の後に行われるが、他の実施例ではデータが自動的に除去されてもよい。] 図１０
[0060] 或る実施例において、測定位置の測定区域足跡との比較には例えば市の北東部と言ったような測定区域の所定地区の重なりの解析が含まれる。境界侵害の検出をも含め、他のタイプの位置エラー検出が使用されてもよいことに留意されたい。測定地区足跡を測定位置と比較することによって、測定区域の外部からのストレイ信号のような散発的なエラーでない、ロードビーム飽和のような位置検出器の組織的故障を明らかにすることが出来る。]
[0061] Ｅ．自動化或いは使用者によるデータ品質制御のコンピュータ用の方法
上記の如くデータ品質制御アルゴリズムは自動化アルゴリズムと結合された使用者の若干の再調査を含むことが出来る。例えば使用者入力コメント或いは上記の自動化アルゴリズムの結果のデータ品質制御決定は三つのレベルから成る構成とし、品質１（使用）、２（再審査用のフラッグ）、３（使用不可）とされてもよい。品質２とは検査官による検査を必要とする潜在的エラーの存在を示す。この検査の便宜のため、これらの潜在的エラーを実験者が見て処理するツールが供される。データ可視化技術によりデータ及びフラッグ識別されたエラーの試験が容易となり、検査官がこれらのフラッグのものが除外地位へ格下げされるべきか、使用ＯＫの地位へ格上げされるべきか決定するのに役立つ。]
[0062] 或る実施例において、品質制御工程は二段階（段階１及び段階２）に分けて実施されてよい。段階１においては自動化アルゴリズムが実施され、例えば位置データの累積エラー、位置検出器機能不全、虚偽装置イベント開始などのサーチを行う。潜在的エラーは更なる検査のためフラッグで識別される。実験者は次いでグラフ式使用者インタフェイス（ＧＵＩ）を使用してすべてのフラッグ識別されたエラーを処理する。一度これが実施されると、すべての運動データは除外されるか修正される。このフルに処理された運動データは次いで第二段階を通過させられ、ここでは装置終了アルゴリズムが修正された位置データを使用して装置終了エラーを捜査し除外する。この点において装置エラーのすべての自動化検出は完了し、装置イベント（例えば写真光線時間及びなめ数)及び摂取の間の予期される相関からの大きな偏差は検査用にフラッグ識別される。このような偏差はデータ入力エラー或いは装置のイベント検出不成功の結果かもしれない。実験者はここでＧＵＩを使用して例えば食餌ホッパが非常に低くて動物が食餌を得られなかった可能性が高い場合など使用者再調査用にフラッグ識別されたデータなどを観察し処理することになる。]
[0063] 図１６は段階１ＱＣＧＵＩの画面である。パネルＡ及びＢは実験ラウンド／ネズミ／日付選択ボクス（パネルＡ）及び補充プロット選択／ビュウアー（パネルＢ）を示す段階１ＱＣ ＧＵＩのスクリーン画面である。（此処に示されるスクリーン画面はマトラブガイド（Ｍａｔｌａｂ Ｇｕｉｄｅ）ＧＵＩデザインインタフェイスを使用して作成され、これによりデザインにボタン、プロットなどを位置し、これらの特性（即ち色、状態など）を変更することが出来るようになる。選択ボクス内には「檻境界違反」及び「ドリフト差違反」の二つのエラーフラッグが示されている。ドリフト差違反はパネルＢの位置ドリフト表示に明らかに存在している。これら離れたなめは本当のなめ装置機能不全とは見えないので、使用者は第二エラー（「檻境界違反」）の起原を理解することが出来る。なめイベントの間でのネズミ位置が運動の修正をするのに運動位置修正アルゴリズムによって使用されるので、フラッグ識別された悪いなめ位置はパネルＣ（ＭＰＣツールの副産物）に示されるようにネズミが檻を越えて動いたように見せてしまう。これら両方の問題を修正するために、使用者はＧＵＩを使用してラジオボタン「３」（「Ｌｅ」列）をクリックすることにより悪いなめを除外し、ＧＵＩを再操作するであろう。パネルＤに見られる如く、予期されるようにこの工程によって檻境界違反が除外される。] 図１６
[0064] 或る実施例において、除外されるなめは単にドリフト差が或る閾値以上である総てのなめを除外することで自動的に除外される。しかし上記の如く、ドリフト差を計算するアルゴリズムは運動ドリフトを推定するアルゴリズムの正確さに依存する。このドリフトを推定するのは些細な問題ではないので、多くの実施例において実験者には段階１ＱＣＧＵＩを使用してフラッグ識別されたなめ或は摂食イベントを点検する必要があるかもしれない。他のフラッグ識別されたエラーもこのように試験することが出来る。]
[0065] 図１７は段階２ＱＣＧＵＩのスクリーン画面である。ここではフラッグ識別された検出失敗エラーの例が見られる。図におけるパネルＡはその日の終わりにおいての一件を除いてイベント表示になめイベントが示されて居ない。しかしパネルＢはその日にネズミが消費した水の量(正方形の中にハイライトされた値)は
実験のその他の日での摂取と比較しても実験における他のネズミの摂取を比較しても異常でないことを示している。これはなめ装置の検出失敗エラーを示して居り、その日のこのネズミのなめイベントデータは除外されなくてはならない。しかし食餌摂取及び運動データは除外されなくてもよい。再度述べることであるが、かようなエラーは実験者が段階２ＱＣ ＧＵＩを使用して点検することが出来る。] 図１７
[0066] 使用者インタフェイス及び分類結果の表示の更なる詳細は添付された付録１及び２に含まれている。]
[0067] ３．活性及び不活性状態の分類
本発明は別面において活性及び不活性状態の分類に関する。一般的に、活性状態とは不活性状態で中断されながら或る測定行動の発生（運動を含む）の確率増加の状態のことであり、不活性状態とは特徴的位置にいる確率が高く休息及び睡眠が発生しやすい状態のことである。活性と不活性状態の間の遷移は自由行動の動物の行動構成の基本的特徴をなすものである。下記するこれらの状態分類の方法とシステムはどの種その他にも応用できるものである。また、これらの方法は活性不活性以外の他の状態であって、或る行動の発生する確率及び／或は特徴的位置にいる確率の高い状態の分類に使用できるものである。]
[0068] 或る実施例において、指摘されたように、行動構成の基本的特徴を成すものである活性及び不活性状態の客観的同定を自動化するアプローチが提供される。これにより行動の連続順序及び活性状態特性への２４時間周期或は超概日性影響の詳細な解析が可能とされる。一度活性及び不活性状態が分類されると、時間的変動の特徴付けが可能となる。この特徴付けの例が以下及び例において説明される。]
[0069] 或る実施例において、不活性状態の分類には不活性位置持続時間閾値の導入が含まれる。不活性閾値より長い持続時間の位置は不活性と分類される。この閾値を正確にかつ強固に同定するには時間ウインドウと空間的濾過パラメタの二つのパラメタの決定が必要であった。時間ウインドウは唯一のホームベースが使用される時代の捕獲に使用される。時間的或る期間に亘って動物は自分のホームベースを置き換えることがある。 例えばネズミは巣の位置を変えることがある。ヒトは二カ所を往復し、或る夜は或る家に泊まり、別の夜は第二の家に泊まることがある。単一ホームベース（そのベースがどちら或はどこにあっても）が使用される時間ウインドウを使用することにより、異なる巣、第二のホーム位置などで過ごされる睡眠及び休息時間が正しく不活性状態と同定される。空間的フィイルターが使用されて動物をホームベースの位置から除外しなかった小さい運動，例えばベッドで転がるヒト、巣の中で位置替えをするネズミを平滑化する。時間ウインドウと空間的フィルターとの最適な結合が状態分類エラーを最小化することによって選択される。]
[0070] 図１１は活性及び不活性状態を分類する工程の処理を示す工程フロー図である。この工程は時間ウインドウと運動閾値を選択することで始まる（１１０１）。データセット内の生データは典型的に例えば１２時間、２４時間、３６時間とされる測定期間に亘る運動（位置対時間）情報を含む。上記の如く、生データセット内の運動データは位置における閾値変化で記録される。例えば１ｃｍの閾値の場合、動物が少なくとも１ｃｍ動けば運動情報が収集され生データセットに保存される。時間ウインドウの範囲は０から測定期間、例えば２４時間の測定期間、０から２４時間、１、２、４、６、１２、２４などである。空間フィルターは例えば１ ｃｍ ，２ｃｍ 、３ｃｍなどのデータ収集閾値からの範囲で良い運動閾値を選択することで用いることが出来る。] 図１１
[0071] 不活性状態閾値が次いで選択され、不活性状態開始及び終了が定義される（１１０３）。上記の如く、不活性状態閾値とは或る位置を不活性と分類する閾値持続時間のことである。不活性状態閾値の決定については図１２を参照して下記において説明される。考慮下の運動閾値によることであるが、不活性状態閾値によって異なる不活性状態の結果となることに留意されるべきである。例えば不活性状態閾値が１時間である場合、或る状態を不活性と分類するのは運動閾値に依存する。もし動物が１時間に１０ｃｍ動くとすると、運動閾値が１５ｃｍの場合状態は不活性と分類されるが、運動閾値が５ｃｍの場合にはそうではない。従って、一度考慮中の不活性閾値の時間ウィンドウと運動閾値の結合を使用して不活性開始及び終了が定義されると、不活性状態エラー百分比が計算される（１１０５）。これは尚下記において説明されるが、或る実施例においては不活性と分類された状態の間（このようなイベントが起るべきでない期間）に発生の装置イベントの点検が含まれる。誤って不活性と分類された状態が次いで修正される、即ち再分類される（１１０７）。総エラー率、即ち誤って不活性と分類された状態も含めたものが次いで計算される（１１０９）。分類とエラー率工程（処理１１０１−１１０９）が次いで時間ウインドウと運動閾値の全部の結合について繰り返される（１１１１）。不活性状態分類（即ち処理１１０３で実施され処理１１０７で修正された不活性状態の分類）が総エラー率に基づいて選択される（１１１３）。] 図１２
[0072] Ａ．非活性状態開始と終了を定義するための不活性状態閾値の決定
図１２は不活性状態閾値決定の処理を示す工程フロー図である。これは不活性状態の最小持続時間、即ちその間動物が動かない最小持続時間のことであり、ここで「動く」とは上記の如く運動閾値で決定されるものである。上記の如く（図１１の処理１１０３を参照）、不活性状態閾値持続時間は不活性状態開始及び終了を定義するものであり、測定期間における動物の行動の高度の時間的分類を供するものである。] 図１１ 図１２
[0073] 不活性状態閾値の決定工程は最長持続時間或いはＬＤＰを有する考慮下の時間ウインドウ／運動閾値の間の位置を見つけることで開始される（１２０１）。ＬＤＰは時間ウインドウ及び運動閾値によって変化する。次にＬＤＰからのその他すべての位置の距離が獲得される（１２０３）。これらの距離はこれらの位置の持続時間の対数に対して表示される。このような表示の一例が図１３の１３０１で示されている。図１３に示される如く、この表示はこの時間ウィンドウにおける最長の休止に相対的に近接した長休止のクラス或いはクラスターを示している。不活性状態閾値持続時間とＬＤＰからの最大距離が劇的に増加する持続時間のことである。或る実施例において、この持続時間は休止持続時間を容器に入れ（ｂｉｎｎｉｎｇ）（１２０７）、各容器（ｂｉｎ）における最長休止からの最大距離を決定（１２０９）することで求められる。最小二乗曲線にフィットするルーテンが次いで使用され、三本の線が最大休止距離対休止持続時間対数にフィットされる（１２１１）。図１３の１３０３を参照されたい。第二と第三線の交点１３０５（即ちＬＤＰからの最大距離が劇的に増加する場所）が不動状態の休止閾値の定義に使用できる（１２１３）不活性状態はここで不活性状態閾値以上の持続時間を有する連続的位置（或いは単一位置）として定義できる（１２１５）。この基準から不活性状態開始及び終了が得られる（１２１７）。図１３のプロット１３０５は不活性状態休止閾値の応用であきらかになる檻の中の不活性期間（赤色）のグループを示す。これらの状態は動物の休息位置に限定されている。不活性状態開始及び終了が獲得されると、活性状態開始及び終了も獲得されることになる。] 図１３
[0074] Ｂ．状態分類エラーの計算
上記の如く、最適時間ウインドウ／運動閾値を見出すことには分類エラー率が含まれる。もし上記の方法が不活性状態の分類に正確であるならば、不活性状態では装置イベントが発生しないはずである。或る実施例において、摂取分類エラーの決定には装置イベントを含む不活性状態の百分比計算が含まれる。活性状態分類エラーは例えば装置イベントが無く、又動物が居た区域が不活性状態に居た総ての区域の最大値より大きい活性状態の百分比として決定される。状態分類エラーは不活性と活性の両方の状態分類エラーから、例えば不活性及び活性状態分類エラーを加えて決定される。図１４は状態分類エラーを計算する一方法の処理を示す工程フロー図である。この工程は不活性状態開始及び終了を入力して始められる（１４０１）。装置イベントを含む不活性状態、即ち開始と終了の間が同定される（１４０３）。不活性状態エラー率が次いで同定された不活性状態の数に基づいて計算される。図１４に示される例において、エラー率は装置イベントを含む不活性状態の百分比である（１４０５）。この不活性状態エラーは総エラー率、従って運動閾値の適正の計算に使用されるように保存される。次いで装置イベントを含む不活性状態がないように分類が修正される（１４０７）。不活性状態の修正は例えば不活性状態閾値より大きな持続時間を有する連続位置のような不活性状態の定義に使用される標準に基づいている。従って装置イベントを有する不活性状態は周囲の活性状態と連続的な単一活性状態に再分類され、或いは活性及び不活性状態に分割されてもよい。修正が実施された後、更新された分類に基づいて活性状態エラー率が計算される（１４０９）。或る実施例において、活性状態エラー率は装置イベントが無く（例えば動物が食わず、飲まず、刺激に反応しないなど）、又動物が広い地区に亘って居ない活性状態の観点から計算される。例えば図１４のフロー図において、活性状態エラー率は装置イベントがなくその間に動物の居た地区が最大の不活性状態地区より大きくない活性状態の百分比である。各活性及び不活性状態の地区は各不活性及び活性状態の位置データに凸状殻体をフィットして求められる。総合エラー率は次いで不活性及び活性状態エラー率に基づいて計算される。] 図１４
[0075] ４．バウト分類
活性状態での行動はバウトを行動要素の概念として編成される。バウトとは異なる行動で中断されることなく時間的に密集化される行動の繰り返しのことである。行動の時間的及び空間的特性両方に関する情報を合体させたバウト同定の自動化アルゴリズムが摂食、摂飲及びその他の行動の定量に提供される。上記の如く、バウトが同定されるデータにはフィーダーにおけるネズミの存在を示す写真光線遮断などのような装置イベント情報が含まれる。本発明の工程により自動化による行動のバウトへの分類、又それに加えて高程度のバウトの編成クラスターを可能とする。]
[0076] バウト同定のため、空間的情報は各装置イベントの終了から次のその装置における装置イベントの開始までの間（イベント間間隔ＩＥＩ）の動物の位置を評価して分類計画に合体されてよい。或る実施例において、もし動物がＩＥＩの間に装置から離れたら介在行動が発生したことになる。従って、例えば動物がＩＥＩの間装置に居残った確率が推定される。もし装置に残留する確率が０．５以上ならばＩＥＩは”装置に居た”と分類される。時間的行動パタンも分類計画に合体される。もしイベントが時間的にバウトを形成するように集合するならば、ＩＥＩ持続時間、ＩＤは少なくとも二つのタイプ即ち摂食バウト中に発生しやすいＩＤと摂食間に発生しやすいＩＤとが見られるはずである。（例えば、Ｌａｎｇｔｏｎ，Ｓ．Ｄ．，Ｃｏｌｌｅｔｔ，Ｄ．，ａｎｄ Ｓｉｂｌｙ，Ｒ．Ｍ．（１９５５）”Ｓｐｌｉｔｔｉｎｇ Ｂｅｈａｖｉｏｒ Ｉｎｔｏ Ｂｏｕｔｓ； Ａ Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ Ａｐｐｒｏａｃｈ Ｂｅｈａｖｉｏｕｒ”１３２，７８１−７９９、及びＴｏｌｋａｍｐ，Ｂ．Ｊ．，Ａｌｌｃｒｏｆｔ，Ｄ．Ｊ．，Ａｕｓｔｉｎ，Ｅ．Ｊ．，Ｎｉｅｌｓｅｎ，Ｂ．Ｌ．ａｎｄ Ｋｙｒｉａｚａｋｉｓ，Ｉ．（１９９８）”Ｓａｔｉｅｔｙ ｓｐｌｉｔｓ ｆｅｅｄｉｎｇ ｂｅｈａｖｉｏｒ ｉｎｔｏ ｂｏｕｔｓ”， Ｊｏｕｒｎａｌ ｏｆ ｔｈｅｏｒｅｔｉｃａｌ ｂｉｏｌｏｇｙ １９４，２３５−２５０（両者とも此処に参照して合体されるものとする）を参照。）或る実施例において、ＩＤ分布は２グループ（長と短）に分割され、ＩＥＩの短い確率が推定される。各ＩＥＩのバウト内間隔（ｗｉｔｈｉｎ−ｂｏｕｔ ｉｎｔｅｒｖａｌ ＝ ＷＢＩ）或いはバウト間間隔（ｉｎｔｅｒ−ｂｏｕｔ ｉｎｔｅｒｖａｌ ＝ ＩＢＩ）との指名はＩＥＩが装置で発生した確率とそれが短かった確率との両方に基づいて行うことが出来る。]
[0077] 図１５は空間的及び時間的情報の両方を使用して行動イベントをバウトへ編成する方法の高程度の処理を示す工程フロー図である。この工程は装置イベント及び運動情報の入力で始まる（１５０１）。この情報にはイベント間及びイベント間間隔（ＩＥＩ）の動物の空間的位置を含む空間的情報が含まれる。上記の如く、ＩＥＩとは装置イベントの開始からからその装置における次のイベントの開始までの間隔のことである。入力される情報にはイベント間間隔の持続時間を含む時間的情報が含まれる。バウトの同定には各ＩＥＩにおける動物によって占められる位置の評価により空間的情報が分類計画へ合体される。各ＩＥＩにおいて、動物が考慮下の装置から最遠であった位置（最大距離のＩＥＩ位置或いはＭＤＩＰ）が決定される（１５０３）。ＩＥＩにおいて動物が装置に残留した確率が次いで考慮下の装置のＭＤＩＰに基づいて推定される（１５０５）。考慮下の装置のイベント間間隔（ＩＤ）に基づいてＩＥＩが短い（長いに対して）確立を推定することにより時間的情報が分類計画に合体される（１５０７）次いでＩＥＩが推定された空間関連及び時間関連確率に基づき、例えば確率を平均してバウト内間隔（ＷＢＩ）或いはバウト内間隔（ＩＢ）であると分類される（１５０９）。ＷＢＩの不断のつながりが次いでバウトであると分類される（１５１１）。] 図１５
[0078] このアプローチが特徴的な空間的及び時間的特性をもつＩＥＩの集団と区別される証拠が図２２Ｃに示されている。各ＩＥＩに関し、フィーダーからの最大距離がＹ軸上に、その持続時間の対数がＸ軸上に表示されている。ＷＢＩと識別されるＩＥＩはオレンジ色で示されて居り、すべてはフィーダーの近くて発生している。大部分のＩＢＩの間、動物はフィーダーから離れて居り（緑色）、水の摂取はこのサブッセット（水色）として発生している。ＩＥＩの小さいクラスターがフィーダーの近くで発生している（赤色）が、これらは持続時間が長いのでＩＢＩと分類されている。従って空間的及び時間的情報を両方使用すると空間的或いは時間的情報の一方のみ使用する場合と異なる分類となる。] 図２２Ｃ
[0079] Ａ．ＩＥＩの装置への遠近に関しての分類
上記の如く、或る実施例において、空間的情報はＩＥＩが装置の位置或いは離れているかの確率を推定或いは分類をしてバウト分類計画に合体される。或る実施例において、これはＩＥＩの間二変量正規の混合をＭＤＩＰにフィットすることで実施される。フィットされた二変量正規のセントロイドは高速最近接密接化アルゴリズムを使用して密集化される。セントロイドが装置に最も近い二変量正規のクラスターが「装置にある」（”ａｔ ｔｈｅ ｄｅｖｉｃｅ” ＝ＡＤ）と分類される。このクラスターの中の二変量正規はＡＤ二変量正規と選定される（例外として拡散的二変数正規は除外されてもよい）。ＡＤ二変量正規の後位確率は加算されて各最遠ＩＥＩ位置（ＭＤＩＰ）が装置にある確率が得られる。或る実施例において、ＩＥＩはこの確率が０．５以上であると「装置において」発生したものと分類される。或る実施例において、この確率は上記の如く時間関連確率と共にＩＥＩがバウト内間隔であるかバウト内間隔であるか分類するのに使用される。]
[0080] 図２２Ａは檻の中のネズミに関して二変数正規をＭＤＩＰにフィットする結果の例を示す。左側のパネルにおいて、最終フィットでの９個の二変数正規分布に割り当てられた位置はすべて異なる色とシンボルで表示されている。中央のパネルでは、オレンジ色で表示された装置で発生と分類された二変数正規分布についてセントロイドのみが表示され、その他の二変数正規分布はすべて緑色で表示されている。右側のパネルでは、フィーダーで発生と分類されるＭＤＩＰはオレンジ色で表示され、その他の位置は緑色でフィーダーからの移動がＩＥＩの間に発生したことを示している。] 図２２Ａ
[0081] Ｂ．ＩＥＩの長短に関しての分類
摂食バウト内で発生し易いＩＤと摂食バウト間で発生し易いＩＤと区別するのに各動物のＩＤ分布が対数正規分布の混合でフィットされる。ＩＤ分布は別個のタイプのＩＤの存在と矛盾のない３個以上の対数正規分布の混合で最適にフィットされることが発見されている。ＩＥＩが短い確率が動物が装置の位置に居残って居た確率に基づいて対数正規分布を２グループ（例えば短と長）に分割することにより次いで決定される。]
[0082] 或る実施例において、ＩＤが総合的分布に対して短い確率は単変数正規を対数変換ＩＤにフィットして決定される。その一例は図２２Ｂに示されて居り、ここでは５個の単変数正規が対数変換ＩＤにフィットされている。図２２Ｂにおいて、対数変換ＩＤ（最小）はｘ軸に、正規化されない確率（ＩＤの周期率の平方根）がｙ軸に示されている。] 図２２Ｂ
[0083] 次いで各正規分布に関し各ＩＤの後位確率を見出して持続時間データが分割される。データを分割するのにＩＤは最短から最長へ区分される。各ＩＤはハード的に密集化される、即ち、各ＩＤは後位確率が最高の正規分布に従って索引付けされ、図２２Ｂに示された例では各持続時間データ点は１、２、３、４或は５の索引を持つことになる。索引に変化がある度にデータは分割され、即ちハード的に密集化された独自性は一つのクラスターから他のクラスターへと変化する。] 図２２Ｂ
[0084] 次いで空間的情報が使用され、短い持続時間はＩＥＩがＷＢＩ（上記のように計算された）である確率が高いことと矛盾しないとして、分割が持続時間の長短によって分類される。分割持続時間を長短で分類するに当たり、与えられたグループ（例えばＯＢネズミ）のすべての分割が個々の変化性の効果を減少するために結合された。平滑化線が次いで対数変換分割持続時間の平均の関数として分割ＡＤ確率にフィットされた。一例が図３３に示されている。ＷＢＩに関し、グループ持続標準ＩＤWBI-groupが動物の居残る確率と立ち去る確率とが同様になる持続として次に設定された。平均持続がこの標準より小さく分割ＡＤ確率が０．５以上の分割はすべて短間隔分割と分類される。同様に、平均持続がグループ持続標準より大きくて分割ＡＤ確率が０．５以下の分割はすべて長間隔分割と分類される。] 図３３
[0085] 各動物について、長短の分割は短ＩＥＩ持続時間標準として使用できる。次いで平均持続時間がこの持続時間標準以下である単変数正規の後位確率が加算されて各ＩＥＩが短い確率の推定が得られる。]
[0086] ５．運動バウト分類
発明は他の面において活性状態（ＡＳ）の期間であり移動運動（ＬＭ）或は非移動運動（ＮＬＭ）へのその他の装置イベントバウトの期間ではない運動の分類方法に関する。これは不活性状態の間或は摂食バウトの間に発生した運動を訓練セットとして使用した監督下習得アルゴリズムを使用して行われる。これらの運動は限定された区域で起こるので、「場所での運動」（”ｍｏｖｉｎｇ ｉｎ ｐｌａｃｅ”（ＭＩＰ））行動を示すものでありＮＬＭイベントの特性を反映するはずである。従って、ＭＩＰ運動は動物が檻或は他の測定区域を巡り歩く移動のバウトの期間に発生する運動とは区別されるべきものである。一実施例においては、ＭＩＰイベントの訓練セットをパラメタ化するのに、各位置の運動率と反転角（２個の運動ベクトルの内積）が使用される。移動の間に最も発生しやすかった中断のない運動イベントの継続が移動バウトの開始及び終了時間の定義に使用された。最後に、活性状態の中で動物が或る装置に関連する行動バウト（例えば摂取）或は移動バウトに従事していない時間が「他の」行動（例えば見回り、飼育、みづくろい、前掻など）のバウトと分類可能である。]
[0087] 運動バウト分類を合体した特種実施例の更なる説明は以下において例としてある。]
[0088] ６．比較密集化（Ｃｏｍｐａｒｉｓｏｎ ｃｌｕｓｔｅｒｉｎｇ）
他の面において本発明は個々の対象物から収集された情報を使用して動物のグループ間比較をして遺伝子、薬品及び環境要素の神経規制への影響を研究する方法を提供する。行動の時間的パタンの詳細な定量的評価によってかような実験的操作の脳機能への高感度の影響の指標が得られるかもしれない。これには行動パタンの変化性を説明すると同時に実験グループ間の行動パタンの相違を検出する解析的方法が必要となる。]
[0089] 二つのグループ（例えばＷＴネズミとＯＢネズミ）の間の行動パタンを比較する新規な方法が提供される。比較密集化法は二つのグループの間でパタンに差があるか決定し、観察された差に最も貢献するところのあるパタンを同定する。このアルゴリズムの例が活性状態（ＡＳ）開始時間及び持続時間に関して説明されるが、当業者はこれを他の行動データに応用することが理解できよう。]
[0090] この方法は二つのグループが例えばＡＳ開始時間及び持続時間に関して同じパタンを持って居たとするヌル仮定のテストを含む。これは二つのグループの毎日のＡＳ開始時間と持続時間を結合し（これはヌル仮定のもとで好適）、結合されたデータの各ＡＳをクラスターの中の一つに割り当てることで達成される。各クラスターに関して制御及びテストグループがクラスターへＡＳの同様な部分貢献しているとのヌル仮定に基づいてカイ二乗統計が計算される。総てのクラスターに亘るカイ二乗の和は日ごとのパタンの差の度合いとして使用される。差の意義は二つのグループの動物を並べ替え、カイ二乗の順列された和に対する元のカイ二乗和の百分位数等級を得ることで決定される。総合的パタンに有意義的な差がある場合にはこの差に最も大きく貢献したパタンの部分が段階的再サンプリングアルゴリズム３を使用する複数の比較のために調節された各クラスターのｐ値を得ることで見つけられる。Ｔｒｏｅｎｄｌｅ，Ｊ．Ｆ．（２０００）”Ｓｔｅｐｗｉｓｅ ｎｏｒｍａｌ ｔｈｅｏｒｙ ｍｕｌｔｉｐｌｅ ｔｅｓｔ ｐｒｏｃｅｄｕｒｅｓ ｃｏｎｔｒｏｌｌｉｎｇ ｔｈｅ ｆａｌｓｅ ｄｉｓｃｏｖｅｒｙ ｒａｔｅ”， Ｊｏｕｒｎａｌ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｐｌａｎｎｉｎｇ ａｎｄ Ｉｎｆｅｒｅｎｃｅ ８４，１３９−１５８を参照。これは参照することによって此処に合体されるものとする。]
[0091] 図１８はこれらの或る実施例における二つのグループを比較する方法の処理を示す工程フロー図である。第一に、ヌル仮説のもとに二つの比較グループからのデータが結合される（１８０１）。典型的に、テストグループと制御グループとが二つのグループとなり、データは各グループの対象物の行動データ或は考慮下のデータである。数個のクラスターが選択される（１８０３）。最適な数のクラスターを選ぶ工程は下記において説明される。次に、結合されたデータセットの各データ点がクラスターの中の一つに割り当てられる（１８０５）。ヌル仮定に基づいて各クラスターに関しカイ二乗統計が計算される（１８０７）。総てのクラスターに亘ってカイ二乗が加算される（１８０９）。これは二つのグループのパタンの差の度合いである。対象動物は二つのグループの間で並び替えられる（１８１１）。これは二つのグループの間の差をテストする為である。有意義的な差があれば、複数比較テストが実施され、パタンの差に貢献するクラスターが見つけられる（１８１３）。] 図１８
[0092] 図１９はクラスターの最適数を見つける方法の処置を示す工程フロー図である。見られる如く、グループ比較内及び間のデルタカイ二乗のｐ値を最小化することが含まれる。図１９に示される工程は一例であり、当業者は変更及び最適化の出来ることが理解されよう。] 図１９
[0093] ７．コンピュータハードウエア
明瞭なことであろうが、本発明の或る実施例は一個以上のコンピュータシステムの指令及び／或はそれに保存或はそれを通じて転送されるデータの制御のもとに活動する工程を使用するものである。これらの作用を実施する装置に関する実施例もある。この装置は要求された目的で特に設計されたもの及び／或は製造されたものでもよく、或は一個以上のコンピュータプログラム及び／或はコンピュータに保存或はその他の様相で使用可能とされたデータ構成で構成された選択的に構成された汎用コンピュータでもよい。此処に開示される工程は内在的に特種なコンピュータ或は他の装置と関係のあるものではない。殊に、此処に開示されたプログラムと共に種々の汎用器具が使用可能であり、要求される方法工程の実施にはより特種化された装置を製造するのが便宜かもしれない。これら種々の機会の特種な構成について以下説明する。]
[0094] 更に、或る実施例はコンピュータ読み取り可能のメディア或は少なくとも下記のタスクと関連のある種々のコンピュータ実施用処理の実行用プログラム指令及び／或はデータ（データ構成を含む）を含むコンピュータプログラム製品に関する：（１）器具類から生データを取得、（２）自動化及び使用者インタフェイスデータ品質制御の実施、（３）活性及び不活性状態の分類、（４）これら状態での時間的変化の解析と特徴付け、（５）行動バウトの分類、（６）運動バウトの分類、（７）グループに亘る比較密集化の実施。本発明はこれらのタスクのいずれ或は全部を実行するための指令を実施する計算装置にも関する。これらのタスク実行のための指令で符号化されたコンピュータ読み取り用のメディアにも関する。]
[0095] 本発明のコンピュータプログラム製品及び計算装置使用に適切な実体的コンピュータ読み取り用メディアの例にはハードディスク、フロッピイディスク、及び磁気テープのような磁気メディア；ＣＤ−ＲＯＭディスクのような光学的メディア；磁気光学的メディア；半導体メモリ装置（例えばフラッシュメモリ）、及びリードオンリメモリ装置（ＲＯＭ）及びランダムアクセスメモリ（ＲＡＭ）のようなプログラム指令を保存及び実行するように特に構成されたハードウエア装置があるが、これらに限定されるのではない。ここに提供されるデータ及びプログラム指令はキャリヤ波或は他の輸送媒体（電気的或は光学的伝送路を含む）によって具現されてもよい。]
[0096] 図２０Ａは適当に構成或は設計された場合或る実施例による計算装置として作用し得る典型的なコンピュータシステムを簡単なブロック様式によって示すものである。コンピュータシステム２０００には一次保存装置１９０６（典型的にはランダムアクセスメモリ、或はＲＡＭ）、一次保存装置２００４（典型的にはリードオンリメモリ装置、或は ＲＯＭ ）を含む保存装置と組まれているプロセッサ２００２（中央処理ユニット或はＣＰＵとも呼ばれる）が含まれる。ＣＰＵ２００２はどのようなタイプのものでもよく、例えばプログラマブルなマイクロコントローラ、マイクロプロセサ（例えばＣＰＬＤ，ＦＰＧＡ）及びゲートアレイＡＳＩＣ或は汎用マイクロプロセサのようなプログラマブルでない装置であってよい。図示された実施例において、一次保存装置２００４はデータや指令を一方向的にＣＰＵへ転送する作用をし 一次保存装置２００６は典型的にデータや指令を二方向的に転送するのに使用される。これら両方の一次保存装置は上記のようなコンピュータ読み取り用メディアを含んでよい。大容量保存装置２００８も一次保存装置２００６に二方向的に組み合わされて居り、追加的にデータ保存容量を提供し、上記のようなコンピュータ読み取り用メディアを含んでよい。大容量保存装置２００８はプログラム、データなどの保存に使用され、典型的にハードディスクのような二次保存メディアである。多くの場合、かようなプログラム、データなどはＣＰＵ２００２での実行のため一時的に一次保存装置２００６へ複写される。大容量保存装置２００８に保持された情報は適当な場合標準的な様式において一次保存装置２００４の一部と合体されることがある。ＣＤ−ＲＯＭ２０１４のような特別な大容量保存装置もＣＰＵ或は一次保存装置にデータを通す。] 図２０Ａ
[0097] ＣＰＵ２００２は一個以上のヴィデオモニタ、トラックボール、マウス、キーボード、マイクロホン、タッチ型表示器、トランスデューサカード読み取り器、磁気或は紙テープリーダ、タブレット、スタイラス、肉声或は筆跡認識周辺装置、ＵＳＢポート、或は他のコンピュータのような周知の入力装置のような入力／出力装置と接続されるインタフェイス２０１０とも組み合わされる。最後に ＣＰＵ２００２は２０１２に示されるように外部接続を使用してデータベース或はコンピュータ或は遠距離通信ネットワークのような外部装置に組み合わされても良い。このような接続により、ＣＰＵは此処に記載の方法工程を実施する課程においてネットワークから情報を受け或はネットワークに情報を出力することが期待される。]
[0098] 一実施例において、コンピュータシステム２０００のようなシステムは此処に記載のタスクの一部或は全部の実施が可能なデータ輸入、データ修正或は質問システムとして使用される。データファイルを含む情報及びプログラムは研究者がダウンロードすることによってネットワーク接続２０１２から供給される。代行的にこのような情報、プログラム及びファイルは保存装置の上で研究者に供給され得る。]
[0099] 特別な一実施例において、コンピュータシステム２０００はサンプルからデータを捕獲するマイクロアレイ或は高処理能力のスクリーニングシステムのようなデータ獲得システムに直接組み合わせられる。このようなシステムからのデータはシステム２０００での解析用にインタフェイス２０１２を経て供給される。代行的に、システム２０００によって処理されたデータはデータベース或は関係あるデータの保管所のようなデータ保存源から供給される。一度装置２０００に入ると、一次保存装置２００６或は大容量保存装置２００８のようなメモリ装置は関連あるデータを少なくとも一時的に緩衝或は保存する。メモリはデータの輸入、解析及び呈示する種々のルーテン及び／或はプログラムも保存する。]
[0100] 本発明は固定メディア或は論理指令及び／或は適当に構成された計算装置にロードされるとその装置が本発明の方法に従ってデータセット（例えば行動をバウトへ分類、２４時間周期時間パタンを動作アウトへ同定、クラスター内行動の分類、グループの比較、など）に関して一個以上の上記の解析処理を実行するようにするデータを含む転送可能なプログラムコンポネントに具現することが出来る。]
[0101] 図２０Ｂはメディア２０６７及び／或はネットワークポート２０６９から指令を読むことの出来る論理装置と理解されてよいディジタル装置を示す。装置２０５０はその後これらの指令を使用して行動データを指導し、行動データベースその他の生成、分類、サーチ及び読み出しをすることが可能である。或る実施例において、このディジタル装置は本発明による一個以上の檻行動システムに直接結合し、任意的にリアルタイムに機能することが出来る。或る実施例において、ディジタル装置は単に以前収集したデータのアクセス、解析、 及び／或は操作を行う。] 図２０Ｂ
[0102] 本発明の実施例となり得る一タイプの論理装置は２０５０に示される装置であって、ＣＰＵ２０５７、それから任意的に入力装置２０５９と２０６１、ディスクドライブ２０６５、及び任意的モニター２０５５を含む。そのようなシステムのプログラムに固定メディア２０６７が使用可能であり、ディスク型光学的及び／或は磁気的メディア及び／或はメモリその他となり得る。通信ポート２０６９もこのようなシステムのプログラムに使用可能であり、どのようなタイプの通信接続（例えばデータ獲得システムへの接続）をも表す。]
[0103] 本発明は特定応用集積回路（ＡＳＩＣ）或はプログラマブル論理装置（ＰＬＤ）の回路内に具現することが出来る。そのような場合、発明は此処に記述したように作用するＡＳＩＣ或はＰＬＤを生成するのに使用され得るコンピュータ理解用デスクリプタ言語で具現され得る。]
[0104] 本発明の方法は局地的或いは分布された計算環境で実施され得る。分布された環境において、この方法は複数のプロセサから成る単一コンピュータ或は複数のコンピュータで実行することが出来る。コンピュータは例えば共通のバスでリンクされてもよいが、コンピュータがネットワークのノードであることが望ましい。ネットワークは一般的でも局地専用でも広範囲ネットワークであってもよく、或る好適な実施例において、コンピュータはイントラネット或はインタネットの部品であってよい。]
[0105] 或るインタネット実施例において、クライエントシステムは典型的にウエブブラウザを実行してウエブサーバを実行するサーバコンピュータに組み合わされている。ウエブブラウザは典型的にマイクロソフトのインタネットエキスプロアラ（Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ）或はネットスケイプ（ＮｅｔＳｃａｐｅ）或はオペラ（Ｏｐｅｒａ）のようなプログラムである。ウエブサーバは典型的にＩＢＭのＨＴＴＰダエモン或は他のＷＷＷダエモンであるがそれに限定はされない。クライエントコンピュータは有線或は無線システムを通じるサーバコンピュータと二方向的に組み合うことが出来る。叉、サーバコンピュータはウエブサイトと二方向的に組み合って（サーバがウエブサイトの上位）本発明の方法実施のソフトウエアへのアクセスを提供する。]
[0106] イントラネット或はインタネットと接続されたクライエントの使用者はクライエントに本発明の方法の実施を提供するアプリケイションのホストをするウエブサイトの一部であるリソースを要求させることが出来る。サーバプログラムは指定されたリソース（使用可能であるならば）の返還の要求を実施する。ユニフォームリソースロケイタ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ（”ＵＲＬ”））として知られている標準的名付け慣習に従っている。この慣習は数タイプの位置名称を包含して居り、現在Ｈｙｐｅｒｅｘｔ Ｔｒａｎｓｐｏｒｔ Ｐｒｏｔｏｃｏｌ （”ｈｔｔｐ”），Ｆｉｌｅ Ｔｒａｎｓｐｏｒｔ Ｐｒｏｔｏｃｏｌ（”ｆｔｐ”）， ｇｏｐｈｅｒ，及び Ｗｉｄｅ Ａｒｅａ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｒｖｉｃｅ （”ＷＡＩＳ”）のようなサブクラスが含まれている。リソースがダウンロードされると追加的リソースのＵＲＬが含まれるかもしれない。従ってクライエントの使用者は特に要求しなかった新しいリソースの存在が容易に分かる。]
[0107] 本発明の方法の実行をするソフトウエアは本当のクラーエントサーバ構成のウエブサイトを提供するサーバの上で局地的に実行される。従ってクライエントコンピュータは局地的に要求された処理を実行するホストサーバに要求を掲示し、次いで結果をクライエントにダウンロードする。代行的に本発明の方法は「多層」方式で実施されてもよく、ここでは方法の部分はクライエントによって局地的に実行される。これはサーバからクライエント（例えばＪａｖａ（登録商標）アプリケイション）の要求によってダウンロードされたソフトウエアで、或は「恒久的に」クライエントにインストールされたソフトウエアによって実行することが出来る。]
[0108] 一実施例において、本発明の方法を実施するアプリケイションはフレームに分割されている。このパラダイムにおいては、アプリケイションを特徴や機能性の集合としてではなく、個々のフレーム或は視野の集合と見なすのが有利である。例えば典型的なアプリケイションにはメニュ項目のセットが含まれて居り、その各々が特別なフレーム即ちアプリケイションの或る機能性を表明する形態をよびおこすものである。この観点から、アプリケイションは一枚岩的なコードの体系ではなく、アプレットの集合或は機能性の束と見なされる。かようにブラウザの内側から使用者はウエブペイジリンクを選択し、それが順にアプリケイションの特別なフレーム（即ちサブアプリケイション）を呼び起こす。従って、例えば一個或はそれ以上のフレームが或る特別の動物或は種族のエソグラムの入力及び／或はアクセス機能性を提供する一方、他のフレームがバウト、クラスター、２４時間周期時間パタンなどの同定のツールを提供することが出来る。]
[0109] アプリケイションをフレームの集合と表現するに加えて、アプリケイションはイントラネット及び／或はインタネット上の位置；アプリケイションを指すＵＲＬ（Ｕｎｉｖｅｒｓａｌ Ｒｅｓｏｕｃｅ Ｌｏｃａｔｏｒ）アドレスとして表現出来る。各ＵＲＬには好適に二つの特徴がある：データタイプと共にＵＲＬの内容データ（即ちサーバに保存された何かしらのデータ）或はＭＩＭＥ（Ｍｕｌｔｉｐｕｒｐｏｓｅ Ｉｎｔｅｒｎｅｔ Ｍａｉｌ Ｅｘｔｅｎｓｉｏｎ）タイプ。データタイプはそれによってウエブブラウザがサーバから受けたデータを如何に解釈すべきか決定する（例えば．ｇｉｆファイルをビットマップ画像と解釈する）ものである。事実、これはブラウザで一度受けられたデータをどうすればよいかの記述の役を果たす。もし一連のバイナリデータがＨＴＭＬタイプとして受けられると、ブラウザはこれをＨＴＭＬペイジとする。これに反し、もしこれをビットマップタイプとして受けると、ブラウザはこれをビットマップ画像とする。]
[0110] マイクロソフトウインドウズではホストアプリケイションがデータオブジェクトに興味を登録する（即ち特種のデータ）種々の方法がある。一法ではウインドウズにアプリケイションが（例えば．ｄｏｃ−−”Ｍｉｃｒｏｓｏｆｔ Ｗｏｒｄ Ｄｏｃｕｍｅｎｔ”）特別ファイルエクステンションへの興味を登録する；これはウインドウアプリケイションで使用される最も普通なテクニクである。Ｍｉｃｒｏｓｏｆｔ Ｏｂｊｅｃｔ Ｌｉｎｋｉｎｇ ａｎｄ Ｅｍｂｅｄｄｅｄ（ＯＬＥ）で使用される別のアプローチはクラスＧｌｏｂａｌｌｙ Ｕｎｉｑｕｅ Ｉｄｅｎｔｉｆｉｅｒ或は１６バイトの識別子を使用して特別なサーバアプリケンションを指摘し（ＧＵＩＤを有するドキュメントを提供するため）提供する。クラスＩＤは特別な機械に特別なＤＬＬ（Ｄｙｎａｍｉｃ Ｌｉｎｋ Ｌｉｂｒａｒｙ）或はアプリケイションサーバに接続されているとして登録される。]
[0111] 特に興味のある一実施例において、ホストアプリケンションをドキュメントと関連させるテクニクとはＭＩＭＥタイプを使用することである。ＭＩＭＥはドキュメントオブジェクトを包装する標準化されたテクニクを提供するものである。これにはどちらのアプリケイションがドキュメントを提供するのに適当か指摘するＭＩＭＥヘッダが含まれ、すべてはインタネットに亘って転送するのに適当な様式で含まれている。]
[0112] 好適な一例において、本発明の方法は一部本発明の方法の使用に特別のＭＩＭＥタイプの使用で実施される。このＭＩＭＥタイプは局地的にドキュメント（例えば）の生成に必要な情報を含むが、それに加えてもし必要ならばドキュメントを見えるようにするプログラムコードを見つけてダウンロードするのに必要な情報が含まれる。このプログラムコードが既に局地的に存在するならば、局地的のコピーを更新する目的でダウンロードすることのみが必要である。これでドキュメントを見えるようにするダウンロード出来るプログラムコードを指示する情報を含む新しいドキュメントタイプが定義される。]
[0113] ＭＩＭＥタイプは．ＡＰＰのファイルエクステンションに関連するかもしれない。 ．ＡＰＰエクステンションを有するファイルはＯＬＥＤｏｃＯｂｊｅｃｔで実行されるＯＬＥ Ｄｏｃｕｍｅｎｔである。．ＡＰＰ ファイルはファイルなので、サーバに置かれ、ＨＴＭＬ ＨＲＥＦの使用にリンクされる。．ＡＰＰ ファイルは好適に以下のデータを含むものである：（１）本発明の方法の使用に適切な一つ或はそれ以上の様式に実行されたＯＬＥ Ｄｏｃｕｍｅｎｔ ＶｉｅｗｅｒであるＡｃｔｉｖｅＸオブジェクトのＣＬＳＩＤ；（２）オブジェクトのコードが見出されるコードベースのＵＲＬ；及び（３）（任意的に）要求されたバージョン数。一度ＡＰＰ ＤｏｃＯｂｊｅｃｔハンドラーコードがインストールされ、ＡＰＰ ＭＩＭＥタイプを登録すると。これは．ＡＰＰファイルを使用者のウエブブラウザにダウンロードするのに使用することが出来る。]
[0114] サーバの側においては、．ＡＰＰファイルが実際にファイルであるので、ウエブサーバは単に要求を受け、ファイルをクライエントに返還する。ＡＰＰファイルがダウンロードされると、 ．ＡＰＰ ＤｏｃＯｂｊｅｃｔハンドラーは．ＡＰＰファイルに指定されたオブジェクト用のコードベースをダウンロードするようにオペレイティングシステムに要求する。このシステム機能性はＣｏＧｅｔＣｌａｓｓＯｂｊｅｃｔＦｒｏｍＵＲＬ機能によりウインドウズで利用可能である。ＡｃｔｉｖｅＸオブジェクトのコードベースがダウンロードされた後、 ．ＡＰＰ ＤｏｃＯｂｊｅｃｔハンドラーは例えばＥｘｐｌｏｒｅｒドキュメントサイトのＡｃｔｉｖａｔｅＭｅ方法を呼び出してそれ自身の上に視界を生成するようブラウザに要求する。Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒは次いでＤｏｃＯｂｊｅｃｔを呼び返し、ダウンロードされたコードからＡｃｔｉｖｅＸ視界オブジェクトのインスタンスを生成することにより視界を実体化する。一度生成されると、Ａｃｔｉｖｅ視界オブジェクトはＩｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒの中で活性化され、適切な形態とその総てのｃｈｉｌｄ ｃｏｎｔｒｏｌとが生成される。]
[0115] 形態が生成されると、機能の実行に必要な遠隔サーバオブジェクトへの接続が設立される。此の点において、使用者はＩｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒフレームに埋め込まれたように見える形態と作用することが出来る。使用者が異なる頁へと変えると、ブラウザは最終的に形態を閉めて破壊する責任を負う（叉、遠隔サーバとの未解決の接続を放棄する）。]
[0116] 好適な一実施例において、最終使用者のデスクトップからシステムへの入口点は会社のホーム或は別の特別なウエブサイトのホームページである。任意的にページは従来の様式に従ってリンクの数を含むものである。使用者がアプリケイションのページ（例えば本発明の方法の機能性を提供するページ）への特別なリンクをクリックすると、ウエブブラウザはサーバに存在するページ（ファイル）に接続する。]
[0117] 一実施例において、使用者が本発明の方法へのアクセスを要求すると、使用者は特種のページタイプ，例えばウエブブラウザの中のアプリケイション（本発明の方法の一個以上の要素を実施する）実行用のアプリケイション（ａｐｐｄｏｃ）ページに導かれる。各アプリケイションページはＵＲＬを使用して見つけるものであるから、他のページはそこへのハイパーリンクを有することが出来る。複数のアプリケイションページがこれらのアプリケイションページへのハイパーリンクを含むカタログページを作成することによってグループに纏めることが出来る。使用者が或るアプリケイションページへのハイパーリンクを選択すると、ウエブブラウザはアプリケイションコードをダウンロードしブラウザ内のページを実行する。]
[0118] ブラウザがアプリケイションページをダウンロードすると、ブラウザは（定義されたＭＩＭＥタイプに基づいて）局地的ハンドラー、殊にタイプのドキュメントのハンドラーを呼び出す、アプリケイションは好適にＧｌｏｂａｌｌｙ Ｕｎｉｑｕｅ Ｉｄｅｎｔｉｆｉｅｒ（ＧＵＩＤ）及びドキュメントを提供するために呼び出す遠隔（ダウンロード可能な）アプリケイションを同定するコードベースＵＲＬを含んでいる。ドキュメントオブジェクト及びアプリケイションページと共に得られるＧＵＩＤが与えられると、局地的ハンドラーはクライエント機械を見て提供するアプリケイションが既に局地的に存在するか判断する（例えばＷｉｎｄｏｗｓ ９５／ＮＴ（登録商標）の登録を検査して）。この点において局地的ハンドラーは局地的コピー（もし存在するならば）を呼び出すこととし、或はホストアプリケイションの最新のバージョンをダウンロードする。]
[0119] コードをダウンロードするには異なるモデルが利用可能である。コードがダウンロードされるとサーバから“コードベース”仕様（ファイル）が最初に要求される。コードベース自身は簡単なＤＬＬファイルから複数の圧縮されたファイルを含むＣａｂｉｎｅｔファイル（Ｍｉｃｒｏｓｏｆｔ ．ｃａｂファイル）であり得る。更に、情報（例えばＭｉｃｒｏｓｏｆｔ．ｉｎｆ）ファイルもクライエントシステムに如何にダウンロードされたアプリケイションをインストールするか教示するために使用することが出来る。これらの機構により、アプリケイションのどの部分が何時ダウンロードされるか選択する自由度が大きくなる。]
[0120] 或る実施例において、実際にプログラムコード自身をダウンロードするのに使用される機構は標準Ｍｉｃｒｏｓｏｆｔ ＡｃｔｉｖｅＸＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）−ｃａｌｌｓに依存する。ＡｃｔｉｖｅＸ ＡＰＩはウエブから得られるアプリケイションに生来の支持を提供するものではないが、そのＡＰＩはプログラムコードの正しいバージョンを見つけ、これを局地的機械にコピーし、その完全性を証明し、それをクライエントオペレイティングシステムに登録するのに呼び出すことが出来る。一度コードがダウンロードされると、ハンドラーはドキュメントオブジェクトを与えるために今は存在するアプリケイションホストの呼び出しにかかることが出来る（すでにインストールされている場合には登録によってホスティングアプリケイションを呼び出すのと同様に）。]
[0121] 一度ホスティングアプリケイション（ＯＬＥサーバ）がクライエントにロードされると、クライエントシステムはＯＬＥドキュメントヴィウ構成を使用してアプリケイションを正確にブラウザ内に与えることが出来、それには従来のＯＬＥ法を使用してアプリケイションのメニュをブラウザのそれに加え正確にブラウサの変更サイズの上にアプリケイションのサイズ変更を行うこと（アプリケイションが単一Ａｃｔｉｖｅ Ｘ制御矩形の中で実行されるように要求する（以前留意された限定）に反して）が含まれる。一度アプリケイションがクライエントにおいて実行し始めると、ＲＰＣ（Ｒｅｍｏｔｅ Ｐｒｏｃｅｄｕｒｅ Ｃａｌｌ）法を使用するなど遠隔論理が実施可能である。このようにして好適に遠隔手法として実施される論理が今だに使用可能である。]
[0122] 或る好適な実施例において、本発明の方法は一個以上のフレームとして実施され、以下の機能性を提供する。生行動データ或は減少／処理行動データ（例えば本発明の装置で生成されたデータ）を編成，サーチ、保存及び回収する機能、バウトを同定及び／或は分類する機能、バウトのクラスターを同定及び／或は分類する機能、２４時間周期パタンを同定及び／或は分類する機能、バウト内行動を同定及び／或は分類する機能、エソグラムを比較及びコントラストする機能、エソグラムをグラフ表示する機能、など。]
[0123] 更に、任意的に、機能とは局地的ネットワーク及び／或はイントラネットを通じてアクセス可能な私的及び／或は公的データベースへのアクセスを提供し、それによってデータベースに含まれる一個以上のエソグラムが本発明の方法に入力出来るようになる機能であり得る。]
[0124] 計算及び／或はアクセス処理のイントラネット及び／或はインタネット実施例の実行並びに当業者に周知の方法は詳細に文書化されている。（例えばＣｌｕｅｒ ｅｔ ａｌ．（１９９２）”Ａ Ｇｅｎｅｒａｌ Ｆｒａｍｅｗｏｒｋ ｆｏｒ ｔｈｅ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ Ｏｂｊｅｃｔ−Ｏｒｉｅｎｔｅｄ Ｑｕｅｒｉｅｓ”， Ｐｒｏｃ ＳＩＧＭＯＤＩｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｄａｔａ， Ｓａｎ Ｄｉｅｇｏ， Ｃａｌｉｆ．， Ｊｕｎ．２，５，１９９２， ＳＩＧＭＯＤ Ｒｅｃｏｒｄ，ｖｏｌ．２１，Ｉｓｓｕｅ ２，Ｊｕｎ．，１９９２； Ｓｔｏｎｅｂｒａｋｅｒ，Ｍ．，Ｅｄｉｔｏｒ；ＡＣＭＰｒｅｓｓ， ｐｐ．３８３ ３９２； ＩＳＯ−ＡＮＳＩ， Ｗｏｒｋｉｎｇ Ｄｒａｆｔ， ”Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ−Ｄａｔａｂａｓｅ ＬａｎｇｕａｇｅＳＱＬ”， Ｊｉｍ Ｍｅｌｔｏｎ， Ｅｄｉｔｏｒ， Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｓｔａｎｄａｄｉｚａｔｉｏｎ ａｎｄ Ａｍｅｒｉｃａｎ Ｎａｔｉｏｎａｌ ＳｔａｎｄａｒｄｓＩｎｓｔｉｔｕｔｅ， Ｊｕｌｙ １９９２； Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ， ”ＯＤＢＣ ２．０ Ｐｒｏｇｒａｍｍｅｒ’ｓ Ｒｅｆｅｒｅｎｃｅ ａｎｄ ＳＤＫ Ｇｕｉｄｅ． Ｔｈｅ Ｍｉｃｒｏｓｏｆｔ Ｏｐｅｎ Ｄａｔａｂａｓｅ Ｓｔａｎｄａｒｄ ｆｏｒ Ｍｉｃｒｏｓｏｆｔ Ｗｉｉｎｄｏｗｓ．． ＴＭ．． ａｎｄ ＷｉｎｄｏｗｓＮＴ．．ＴＭ．．， Ｍｉｃｒｏｓｏｆｔ Ｏｐｅｎ Ｄａｔａｂａｓｅ Ｃｏｎｎｅｃｔｉｖｉｔｙ．．ＴＭ．． Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ”， １９９２， １９９３， １９９４ Ｍｉｃｒｏｓｏｆｔ Ｐｒｅｓｓ， ｐｐ．３ ３０ ａｎｄ ４１ ５６； ＩＳＯ Ｗｏｒｋｉｎｇ Ｄｒａｆｔ， ”Ｄａｔａｂｓｅ ＬａｎｇｕａｇｅＤＱＬ−Ｐａｒｔ ２： Ｆｏｕｎｄａｔｉｏｎ （ＳＱＬ／Ｆｏｕｎｄａｔｉｏｎ）”， ＣＤ９０７５ ２：１９９． ｃｈｉ． ＳＱＬ， Ｓｅｐ．１１，１９９７などを参照）。]
[0125] 当業者は本発明の範囲から逸脱することなくこの構成に多くの変更が可能であることに気付くことであろう。例えば二層構成において、ＷＷＷゲイトウエイの機能を実施するサーバシステムはウエブサーバの機能をも実施するものでよい。例えば、上記の実施例はいずれもＵＲＬ以外の形式の使用者／使用者ターミナルからの要求により変更されてよい。変更には複数マネージャ環境への適合に関するものでもよい。]
[0126] 例
住居檻行動パタンの解析に、ネズミは通常個々に１４日間住居檻監視（ＨＣＭ）檻のなかに住まわせられた。最初の４日は順化期間とみなされ、次の１０日のデータが行動パタンの解析に使用された。各ネズミから複数日のデータを得たので、各ネズミの平均的日ごとの行動の詳細な記述が得られ、基礎的行動要素及び日ごとのパタンの再現性の評価が可能であった。]
[0127] １．実験工程
Ａ．動物
肥満自然変異同種接合ネズミ（Ｌｅｐob， Ｂ６．Ｖ−Ｌｅｐob／Ｊ： ＯＢ）及び制御（Ｃ５７ＢＬ／６Ｊ）ネズミ（ＷＴ）がＴｈｅ Ｊａｃｋｓｏｎ Ｌａｂｏｒａｔｏｒｙ （Ｂａｒ Ｈａｒｂｏｒ， ＭＥ）から入手された。 Ｘ−ｌｉｎｋｅｄ ｈｔｒ２ｃ遺伝子（Ｔｅｃｏｔｔ ｅｔ ａｌ．， １９９５）のヌル変化を有するセロトニン２Ｃレセプタ半接合自然変異牡（２Ｃ）と制御ＷＴ同腹仔がＵＣＳＦにおいてｈｔｒ２ｃ-対立遺伝子（Ｃ５７ＢＬ／６Ｊ背景の類遺伝子性）と Ｔｈｅ Ｊａｃｋｓｏｎ Ｌａｂｏｒａｔｏｒｙから入手されたＣ５７ＢＬ／６Ｊ牡から養育された。 ｈｔｒ２ｃ-対立遺伝子の遺伝子型はＰＣＲ解析で実施された。動物は室温（１８−２３°Ｃ）で１２時間の明／暗サイクル（午前７時点灯）のもと、水と標準的食餌（ＰｉｃｏＬａｂ Ｍｏｕｓｅ Ｄｉｅｔ ２０， Ｐｕｒｉｎａ Ｍｉｌｌｓ， Ｒｉｃｈｍｏｎｄ， ＩＮ）に自由にアクセス出来る環境に収容された。実験はＮａｔｉｏｎａｌ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｈｅａｌｔｈ Ｇｕｉｄｅ ｆｏｒ Ｃａｒｅ ａｎｄ Ｕｓｅ ｏｆ Ｌａｂｏｒａｔｏｒｙ Ａｎｉｍａｌｓ及びｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃａｌｉｆｏｒｎｉａ Ｃｏｍｍｉｔｔｅｅ ｏｎ Ａｎｉｍａｌ Ｒｅｓｅａｒｃｈのガイドラインに従って行われた。]
[0128] Ｂ．データ収集
牡ネズミは一端にフィーダーと水瓶を備えた４５ｘ２４ｘ１７ｃｍのプレクシグラスの囲いから成る住居檻行動監視システム（ＨＣＭ）に１４日間収容された。網製のランプによって４ｘ４ｃｍのフィーダーに入ることが可能であり、ここで動物は２．５ｘ２．５ｃｍの孔から頭を食餌引き出しに突っ込んで粉末化された食餌にアクセスすることが出来た。摂食の検出のため、頭が突っ込まれるとランプ（ＤｉＬｏｇ Ｉｎｓｔｒｕｍｅｎｔｓ， Ｔａｌｌａｈａｓｓｅｅ，ＦＬ）の孔の下に位置する写真光線が遮断される。摂飲の検出には、０．５ｘ２．５ｃｍの孔を有する金属板の後ろに位置する水瓶に付けられた金属製の飲み口を動物がなめた。金属製の飲み口はなめの接触でキャパシタンスが変化する（ＤｉＬｏｇ Ｉｎｓｔｒｕｍｅｎｔｓ， Ｔａｌｌａｈａｓｓｅｅ， ＦＬ）。動物の体重の重心を監視するため、プレクシグラスの囲いは中央回転軸と前方に二本のロードビームを有する活動監視プラットフォーム（ＤｉＬｏｇ Ｉｎｓｔｒｕｍｅｎｔｓ， Ｔａｌｌａｈａｓｓｅｅ， ＦＬ）の上に設置した。データは隣室（ＤｉＬｏｇ Ｉｎｓｔｒｕｍｅｎｔｓ， Ｔａｌｌａｈａｓｓｅｅ， ＦＬ）に位置されたパソナルコンピュータで収集された。摂取イベントファイルがミリ秒単位でサンプリングされる写真光線遮断及びなめ接触の開始と終了を記録した。運動イベントは動物の体重中心が１ｃｍ（動物の体重と５００ミリ秒の移動平均ウインドウで濾過した後の二本のロードビームへの力からオンラインで計算）の直径以外に出たことで定義された。運動イベントファイルは各２０ミリ秒でサンプルされた運動イベント開始を記録した。]
[0129] 食餌及び水の摂取決定に関し、データの収集は食餌と水の重量を測定するのに中止され、その後又再開された。この期間は午前９時と１１時の間で２時間以下かかった。動物の巣の位置は檻をｘに３区画、ｙに７区画，合計２１の区画に分けて毎日記録した。データは年齢１１−１４週の牡ネズミについて収集された：ＷＴ（ｎ＝８）及びＯＢ（ｎ＝８）；ＷＴ（ｎ＝１６）及び２Ｃ（ｎ＝１６）。]
[0130] 写真光線遮断時間及びなめ接触数を日ごとの食餌及び水の摂取量として有効化するため、ネズミのサブセットに関して食餌と水の重量を初回のデータ収集の後３日に亘り午前７時に、３日に亘り午前７時と午後７時に、３日に亘り午前７時、午後１時、７時及び１０時に計測した。一日の異なる時間において摂取と装置測量と高度の相関があったので、これらの装置計量は一日のどの時間においても摂取の推定として使用出来ることが確認された（摂食Ｒ2（平均±標準偏差、ネズミの数）：ＷＴ ０．９５±０．０４ Ｎ＝８，２Ｃ ０．９７±０．０１ Ｎ＝６； 摂飲 Ｒ2 ： ＷＴ ０．９８±０．０１ Ｎ＝８，２Ｃ ０．９８±０．０１ Ｎ＝８； ｐ＜０．０００１すべてのネズミ両方の摂取装置）。時間に亘っての摂取の推定に、食餌摂取を総写真光線遮断時間で割って摂食係数（ｍｇ／ｓ）を、総水摂取を総なめ接触回数で割って摂飲係数（ｍｇ／なめ）を計算した。摂食係数を写真光線遮断時間と、或は摂飲係数をなめ接触回数と掛けて時間に亘る摂取を推定した。]

权利要求:

請求項1
測定期間に亘って測定システムを使用して収集された動物行動データのセットを濾過する方法であって、上記データは一定の測定地域内での被験動物の空間的位置に関するイベント情報、一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであり、上記方法は収集された行動データを入力する工程、行動データを解析して（１）装置イベント情報と不一致な位置情報を装置の既知の位置に基づいて、 及び／或は（２）一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントを装置イベントに関連する時間情報に基づいて検出する工程と、検出された不一致の少なくとも幾らかに基づいてデータを更新する工程とから成る方法。
請求項2
一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントが同時或は重複する時間帯或は閾値の時間帯に発生する第一及び第二装置の装置イベントを同定する工程から成るものである、請求項１に記載の方法。
請求項3
行動データを解析する工程が虚偽装置イベント開始を同定する工程から成るものである、 請求項１に記載の方法。
請求項4
装置イベント情報と不一致な位置情報を検出する工程が、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報の修正を計算する工程から成るものである、 請求項１に記載の方法。
請求項5
装置イベント情報と不一致な位置情報を検出する工程が、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程から成るものである、 請求項１に記載の方法。
請求項6
装置イベントが被験動物による固体及び／或は液体の摂取に関する情報である、 請求項１に記載の方法。
請求項7
一定地域が檻内部の地域である、 請求項１に記載の方法。
請求項8
被験動物がげっ歯動物である、 請求項１に記載の方法。
請求項9
装置が、食品消費表示器から成るものである、請求項１に記載の方法。
請求項10
装置が、液体消費表示器から成るものである、請求項１に記載の方法。
請求項11
装置が、薬品消費表示器から成るものである、請求項１に記載の方法。
請求項12
装置が、感覚的刺激に対する被験動物の応答、オペラント応答、或は新規対象への応答の少なくとも一個の表示器から成るものである、請求項１に記載の方法。
請求項13
測定期間に亘って測定システムを使用して収集された動物行動データのセットを濾過する方法であって、上記データは一定の測定地域内での被験動物の空間的位置に関するイベント情報、及び一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記方法は収集された行動データを入力する工程と、虚偽装置イベント開始を同定して関連する装置イベント情報を削除する工程と、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報への修正を計算する工程と、計算された修正に基づいて位置情報を更新する工程と、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程とから成る方法。
請求項14
虚偽装置イベントの同定が、測定された位置のドリフトを測定期間に亘って時間の関数として計算する工程と、各装置イベントに対し、装置イベントの時間における測定された位置のドリフトを装置イベントドリフトと比較する工程とから成る、請求項１３に記載の方法。
請求項15
虚偽装置イベントの同定が、各装置イベントに対し、装置イベントの時間における測定された位置のドリフトと装置イベントドリフトとの差を計算する工程と、この差が既定の閾値を越える場合、装置イベント開始エラーの可能性ありとしてこの装置イベントをフラッグする工程とから更に成る、請求項１４に記載の方法。
請求項16
虚偽装置イベント開始を同定して関連する装置イベント情報を削除する工程が、フラッグされた装置イベントの各々に関連するイベント情報を削除するか決定するために、フラッグされた装置イベントの表を使用者に提供する工程から成るものである、請求項１５に記載の方法。
請求項17
各位置座標に関して、測定された位置のドリフトを、時間に対する定義された地域のその座標に沿った動物の測定された運動の境界の位置包絡線を生成することによって計算する工程から更に成るものである、請求項１４に記載の方法。
請求項18
測定された位置のドリフトを測定する工程が、各座標に関して位置包絡線からの最大と最小の位置のドリフトを推定する工程から成るものである、請求項１７に記載の方法。
請求項19
最大と最小の位置のドリフトを平均して測定期間に亘る時間に対する測定された位置のドリフトを計算する工程から更に成るものである、請求項１８に記載の方法。
請求項20
位置包絡線を生成する工程が連続する凸状殻体を時間に対する座標位置にフィットする工程から成り、その頂点は座標位置の包絡線を定義するものであり、凸状殻体をフィットする工程は凸状殻体の各側の最小から最大位置までの距離が少なくとも既定の量になるまで殻体を拡張するものである、請求項１７に記載の方法。
請求項21
既定の量が座標に沿った測定された地域の全長の少なくとも７０％である、請求項２０に記載の方法。
請求項22
装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程が、 一定の装置に関連したすべての装置イベントの位置情報を受ける工程と、各装置イベントに関し、装置イベントの開始位置から最大距離を有する位置を決定する工程と、密集化解析を実施して最大距離位置を密集化する工程と、装置の既知の位置に基づき、装置イベント間における予期される動物位置にもっとも近いクラスターを受ける工程と、受けられたクラスター以外で最大距離位置を有するイベントに関連するすべての装置イベント情報を削除する工程とから成るものである、請求項１３に記載の方法。
請求項23
測定システムのプラットフォームエラーを検出する工程から更に成り、このプラットフォームエラー検出工程が、測定地域の凸状殻体を生成し、測定地域足跡を定義する工程と、測定期間内の動物の総ての測定された位置の凸状殻体を生成する工程と、凸状殻体の重複を計算する工程と、凸状殻体の間の重複の量及び定義された測定地域での運動に関する既知の情報に基づいて測定期間に収集されたデータを排除するか決定する工程とから成るものである、請求項１３に記載の方法。
請求項24
測定期間に亘って収集された動物行動データのセットにおける虚偽の可能性のある装置イベントを同定する方法であって、上記データは一定の測定地域の被験動物の空間位置に関するイベント情報及び一定地区の既知の位置にある測定装置における或いはそれに対する被験動物の行動に関する装置イベント情報とから成る方法であって、位置測定の総合ドリフトを測定期間の時間の関数として計算する工程と、各装置イベントに関し、装置の既知の位置に基づく動物の推定位置と装置イベントの間の動物の測定された位置とを比較して装置イベントドリフトを計算し、装置イベントドリフトを装置イベントの時における総合ドリフトと比較する工程とから成るものである方法。
請求項25
測定期間に亘って収集された動物行動データのセットにおける位置測定のドリフトを計算する方法であって、上記データは一定地域の被験動物の空間位置に関するイベント情報から成る方法であり、時間に対して位置の連続的な凸状殻体を生成し、それにより測定期間における被験動物の測定位置の境界を定義する位置包絡線を生成する工程と、最大位置のドリフトと最小位置のドリフトとを時間の関数としてこの位置包絡線から決定する工程と、これら最大及び最小位置ドリフトから総合位置ドリフトを時間の関数として計算する工程とから成るものである方法。
請求項26
空間次元の各々について総合位置ドリフトが独立に計算されるものである、請求項２５に記載の方法。
請求項27
時間に対して位置の連続的な凸状殻体を生成する工程が連続する凸状殻体を時間に対する次元位置にフィットする工程から成り、その頂点は次元位置の包絡線を定義するものであり、凸状殻体をフィットする工程は凸状殻体の各側の最小から最大位置までの距離が定義された区域の総次元長の少なくとも既定の割合になるまで殻体を拡張するものである、請求項２６に記載の方法。
請求項28
総合位置ドリフトが最大及び最小位置でのドリフトを平均して計算されるものである、請求項２５に記載の方法。
請求項29
測定期間に亘って測定システムを使用し収集された動物行動データのセットにおける動物位置情報を修正する方法であって、上記データは一定の地域の被験動物の空間位置に関するイベント情報及び一定地区の既知の位置にある一個以上の種類の装置における或いはそれに対する被験動物の行動に関する装置イベント情報とから成る方法であって、測定期間における対象の位置対時間のデータを入力する工程と、一個よけいの種類の装置における動物行動に関する装置イベント情報を入力する工程と、装置の既知の位置に基づいて第二装置イベントにおける被験動物の測定された位置を動物の予期された位置と比較することにより第一と第二装置イベントの間の測定された位置を修正し、測定された及び予期された位置の間の差が既定の閾値を超過する場合には決定し、差が既定の閾値を超過する場合には差を測定された位置に分配してそれらを修正することにより位置情報を修正する工程とから成る方法。
請求項30
測定された及び予期された位置の間の差が連続した位置の間の距離で加重されて分配されるものである， 請求項２９に記載の方法。
請求項31
或るタイプの第一装置イベントにおける空間位置座標を初期化する工程と、そのタイプの総てのその後の装置イベントとそのタイプのそれ以前の装置イベントの間の測定された位置を修正する工程とから更に成るものである， 請求項２９に記載の方法。
請求項32
一個以上のタイプの装置イベントのため総ての或るタイプの連続した装置イベントの間の運動位置を修正する工程から成るものである、 請求項２９に記載の方法。
請求項33
測定期間に亘って測定システムを使用して収集された動物行動データのセットの中の装置イベントの終了の検出に関する測定システムの不成功を同定する方法であって、上記データは一定の地域内での被験動物の空間的位置に関するイベント情報、及び一定地域における既知の箇所における一つ以上のタイプの装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記方法は共通タイプの総ての装置イベントの間の位置情報を入力する工程と、そのタイプの各装置イベントに関し、その装置イベント開始位置からの最大距離を有する位置を決定する工程と、密集解析を実施して最大距離位置を密集させる工程と、装置の既知の位置に基づいて装置イベントの間の動物の予期される位置に最も近いクラスターを入力する工程と、入力されたクラスター外の最大距離位置を有するイベントに関連する装置イベント情報を除去する工程とから成る、方法。
請求項34
動物行動データを収集するためのシステムにおけるプラットフォーム誤動作を検出する方法であって、上記データは測定地域内での被験動物の空間的位置に関するイベント情報から成り、上記方法は測定地域の凸状殻体を生成し、測定地域足跡を定義する工程と、測定期間内の動物の総ての収集された位置の凸状殻体を生成する工程と、凸状殻体の重複を計算する工程と、凸状殻体の間の重複の量及び定義された測定地域での運動に関する既知の情報に基づいて測定期間に収集されたデータを排除するか決定する工程とから成るものである、する工程とから成る、方法。
請求項35
システムが被験動物の空間的位置を検出するためのロードビームから成るものである、請求項３４に記載の方法。
請求項36
プラットフォーム誤動作の検出がロードビーム飽和誤動作を検出する工程から成るものである、請求項３５に記載の方法。
請求項37
動物行動データのセットを濾過及び表示するコンピュータ実装の方法であって、上記のデータは一定の測定地域内での被験動物の空間的位置及び運動に関するイベント情報及び一定地域における既知の箇所における一個以上の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記の方法は収集された行動データセットを入力する工程と、潜在的虚偽装置イベント開始を同定する工程と、潜在的虚偽運動イベントを同定する工程と、同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程と、同定された虚偽情報に関連し、使用者に選択され、コンピュータシステムへの使用者入力によって受領される品質指標を受ける工程と、装置イベント情報を使用者に選択される品質指標に基づいて行動データから除外し、更新されたデータセットを生成する工程と、更新されたデータセットに基づいて位置情報を修正する工程とから成るものである、方法。
請求項38
修正された位置情報を使用する工程と測定システムによる装置イベントの終了の検出不成功の結果であるデータを同定する工程とから更に成るものである、請求項３７に記載のコンピュータ実装の方法。
請求項39
潜在的虚偽装置イベントを同定する工程が測定期間に亘る位置測定における総合ドリフトを計算する工程、装置イベントの各々に関して動物の予期される位置を装置の既知の位置に基づいて装置イベントの間の動物の測定された位置と比較して装置イベントドリフトを計算する工程、及び装置イベントドリフトを装置イベントの時間における総合ドリフトと比較する工程とから成るものである、請求項３７に記載のコンピュータ実装の方法。
請求項40
同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程が、測定期間に亘る位置測定の総合ドリフトを表示する図を供する工程から成るものである、請求項３９に記載のコンピュータ実装の方法。
請求項41
同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程が、各装置イベントに関して総合ドリフトと装置イベントドリフトの相違を表示する図を供する工程から成るものである、請求項３９に記載のコンピュータ実装の方法。
請求項42
使用者に予期された相関からの偏差を供する工程から更に成るものである、請求項３７に記載のコンピュータ実装の方法。
請求項43
測定システムを使用して収集された動物行動データを解析する自動化された方法であって、上記行動データは一定の測定地域内の動物の位置に関する空間及び時間情報から成るものであり、上記方法が空間及び時間情報を使用して被験動物の活性及び不活性状態の間の遷移を同定する工程から成るものである自動化された方法。
請求項44
空間情報と時間情報の両方を使用して同定された活性状態内の行動状態を特徴付ける工程から更に成るものである請求項４３に記載の自動化されたもの。
請求項45
測定システムを使用して収集された動物行動データを解析する方法であって、上記行動データは一定の測定地域内の動物の位置に関する空間的及び時間的情報から成り、上記方法は空間的情報を使用して活性及び不活性状態間の遷移を同定し、時間的期間内の被験動物運動の間の最長持続時間の位置の決定から成るものである、方法。
請求項46
空間的情報を使用して活性及び不活性状態間の遷移を同定する工程が最長持続時間の位置からのその時間的期間内における被験動物のその他の位置の相対的距離を決定する工程から更に成るものである、請求項４５に記載の方法。
請求項47
活性及び不活性状態間の遷移を同定する工程が不活性位置持続時間閾値を決定する工程から成るものである、請求項４５に記載の方法。
請求項48
空間的情報と時間的情報の両方を使用して同定された活性状態内の行動状態を特徴付ける工程から更に成るものである、請求項４５に記載の方法。
請求項49
測定システムを使用して測定期間に亘り収集された動物行動データから時間ウインドウ内の被験動物の不活性状態を同定する方法であって、この動物行動データは測定地域内での被験動物の空間的位置に関するイベント情報から成り、上記方法は時間ウインドウ内での被験動物の空間的位置に関するイベント情報を入力する工程と、上記イベント情報を解析して時間ウインドウ内の位置の持続時間に関する情報を決定する工程と、時間ウインドウ内における最長持続時間位置を決定する工程と、最長持続時間位置から各位置への空間的距離に関する情報を決定する工程と、距離及び持続時間情報を使用して時間ウインドウ内の被験動物の不活性状態を同定する工程とから成るものである、方法。
請求項50
動物行動データが測定地域における既知の箇所における一つ以上のタイプの装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から更に成り、同定された不活性状態内で発生する如何なる装置イベントをも同定する工程から更に成るものである、請求項４９に記載の方法。
請求項51
不活性状態エラー率に基づいて分類を更新する工程から更に成るものである、請求項５０に記載の方法。
請求項52
不活性状態エラー率が同定された不活性状態の間の装置イベントの発生によるものである、請求項５０に記載の方法。
請求項53
装置イベントを有する不活性状態を活性状態と再分類する工程から更に成るものである、請求項５０に記載の方法。
請求項54
活性状態エラー率を計算する工程から更に成るものである、請求項５０に記載の方法。
請求項55
活性状態エラー率を計算する工程が各活性状態の間に被験動物によって占められた地区を不活性状態の間にその動物で占められた地区と比較する工程から成るものである、請求項５４に記載の方法。
請求項56
その測定期間において複数の時間ウインドウ用に被験動物の不活性状態を同定し、時間ウインドウを選択する工程から更に成るものである、請求項４９に記載の方法。
請求項57
位置の持続時間を決定するのに二つの連続する位置の間の最小距離を定義するものである複数の運動閾値用に被験動物の不活性状態を同定する工程と運動閾値を選択する工程とから更に成るものである、請求項４９に記載の方法。
請求項58
測定システムを使用して測定期間に亘って収集された被験動物行動データのセットを解析する自動化された方法であって、その測定期間における一定地域内での被験動物に関する位置追跡情報及びその測定期間における一個以上の時間的パタンに関する情報を受ける工程と、その位置追跡情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程とから成る、自動化された方法。
請求項59
その一定測定地域における既知の箇所における一個以上の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報を受ける工程から更に成り、各装置が特定の行動に関するものである、請求項５８に記載の方法。
請求項60
測定システムを使用して測定期間に亘って収集された被験動物行動データのセットを解析する方法であって、その測定期間における被験動物の空間的位置に関する空間情報及びその測定期間における一個以上の行動の時間的パタンに関する情報を入力する工程と、その空間的情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程とから成り、この空間的情報はイベントの間及びイベント間の間隔における被験動物の空間的位置に関する情報から成り、イベント間の間隔とは装置における連続した装置イベントの間の間隔のことである、方法。
請求項61
空間的情報を使用して行動バウトを同定する工程が各イベント間間隔に関する最遠イベント間間隔位置（ＭＤＩＰ）を決定する工程から成り、このＭＤＩＰとはこのイベント間間隔における被験動物の装置からの最大距離のことである、請求項６０に記載の方法。
請求項62
空間的情報を使用して行動バウトを同定する工程が各ＭＤＩＰについてそれが考慮中の装置のところ或いはそれから離れているかに分類する工程から成るものである、請求項６１に記載の方法。
請求項63
各ＭＤＩＰについてそれが考慮中の装置のところ或いはそれから離れているかに分類する工程がそのイベント間間隔においてその被験動物がその装置のところにいる確率を決定する工程から成るものである、請求項６２に記載の方法。
請求項64
空間的情報を使用して行動バウトを同定する工程が決定されたＭＤＩＰに二変量正規の混合モデルをフィットする工程から成るものである、請求項６３に記載の方法。
請求項65
混合モデルをフィットする工程が以前の正規分布からの局地的データセットの生成を利用する自動化初期化法を使用して可能なすべての結合と共に更なる初期化のために以前の分布の各々を二部に分割する工程から成るものである、請求項６４に記載の方法。
請求項66
時間的情報がイベント間間隔持続時間（ＩＤ）の各々に関する情報から成り、イベント間間隔が装置における連続した装置イベントの間の間隔である、請求項６０に記載の方法。
請求項67
時間的情報を使用して行動のバウトを同定する工程が対数正規分布の混合をＩＤ分布にフィットする工程から成るものである、請求項６６に記載の方法。
請求項68
対数正規分布は動物が装置のところに留まる確率に基づいて二部に分割されるものである、請求項６７に記載の方法。
請求項69
対数正規分布はイベント間間隔における動物の位置に関する空間的情報に基づいて二部に分割されるものである、請求項６７に記載の方法。
請求項70
空間的情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程が各イベント間間隔に関し動物が装置のところにいる確率を推定しそのイベント間間隔の持続時間を他のイベント間間隔の持続時間と比較する工程から成るものである、請求項６０に記載の方法。
請求項71
テストグループの行動データパタンを制御グループのそれと比較する方法であって、テスト被験動物のグループに関連する行動データから成るテストデータセットを入力する工程と、制御被験動物のグループに関連する行動データから成る制御データセットを入力する工程と、テスト及び制御データセットからの行動データを結合する工程と、結合されたデータセットを選択された数のクラスターへ密集化する工程と、制御及びテストデータセットの中の行動データは同じであるとの仮定に基づいて各クラスターに関してカイ二乗の統計を計算する工程と、すべてのクラスターのカイ二乗の統計を加算してテストグループデータと制御グループデータの間の差の度合を求める工程と、テスト及び制御グループ間の被験動物のデータを並び替えてこの差の意義の度合いを得る工程と、この差が統計的に有意義である場合には、この差に最も貢献するクラスターを決定する工程戸から成る方法。
請求項72
グループ比較の中の間及び間のデルタカイ二乗のｐ値を最小化してクラスターの数を選択する工程から更に成るものである、請求項７１に記載の方法。
請求項73
運動のパタンが比較されるものである、請求項７１に記載の方法。
請求項74
摂食のパタンが比較されるものである、請求項７１に記載の方法。
請求項75
摂飲のパタンが比較されるものである、請求項７１に記載の方法。
請求項76
薬品摂取のパタンが比較されるものである、請求項７１に記載の方法。
請求項77
睡眠のパタンが比較されるものである、請求項７１に記載の方法。
請求項78
テスト対象とのコンタクトのパタンが比較されるものである、請求項７１に記載の方法。
請求項79
他の動物或いは感覚的刺激への応答のパタンが比較されるものである、請求項７１に記載の方法。
請求項80
オペラント応答のパタンが比較されるものである、請求項７１に記載の方法。
請求項81
生理学的測定が比較されるものである、請求項７１に記載の方法。
請求項82
生理学的測定が心拍率、新陳代謝率、血圧、体温の一つから選ばれるものである、請求項８１に記載の方法。
請求項83
活性状態頻度或いは持続時間が比較されるものである、請求項７１に記載の方法。
請求項84
不活性状態頻度或いは持続時間が比較されるものである、請求項７１に記載の方法。
請求項85
行動バウト頻度或いは持続時間が比較されるものである、請求項７１に記載の方法。
請求項86
摂取量情報が比較されるものである、請求項７１に記載の方法。
請求項87
動物行動監視システムであって、一定の測定地区、この一定の測定地区内の動物の行動に関し、一定の測定地域内での被験動物の空間的位置に関するイベント情報、一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであるデータを収集するためのこの一定測定地区内の既知の箇所にある複数の装置、この複数の装置から収集された行動データを受けるように構成されたインタフェイスと、収集された行動データを収納するための一個以上のメモリと、行動データを解析して（１）装置イベント情報と不一致な位置情報を装置の既知の位置に基づいて、 及び／或は（２）一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントを装置イベントに関連する時間情報に基づいて検出し、少なくとも検出された不一致の幾らかに基づいてデータを更新する一個以上のプロセッサとから成る動物行動監視システム。
請求項88
動物行動監視システムであって、一定の測定地区、この一定の測定地区内の動物の行動に関し、一定の測定地域内での被験動物の空間的位置に関するイベント情報、一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであるデータを収集するためのこの一定測定地区内の既知の箇所にある複数の装置、この複数の装置から収集された行動データを受けるように構成されたインタフェイスと、収集された行動データを収納するための一個以上のメモリと、虚偽装置イベント開始を同定して関連する装置イベント情報を削除し、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報への修正を計算し、計算された修正に基づいて位置情報を更新し、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する一個以上のプロセッサとから成る動物行動監視システム。