USCMed 和 USVSEG

USCMed数据集是在南卡罗来纳大学医学院收集的，研究个体差异和老鼠恐惧条件反射与灭绝的实验设计。数据集包含27个雄性Long Evans大鼠在四种实验条件下的USV录音，录音经过手动注释，作为评估ContourUSV检测器的黄金标准。USVSEG数据集包含了来自不同物种的录音，包括小鼠、大鼠和沙鼠，提供了手动USV注释，是一个开放的超声鸣叫数据集。

The USCMed dataset was collected at the University of South Carolina School of Medicine for experimental designs investigating individual differences, fear conditioning and extinction in rats. It includes ultrasonic vocalization (USV) recordings from 27 male Long Evans rats under four experimental conditions; these recordings were manually annotated and serve as the gold standard for evaluating the ContourUSV detector. The USVSEG dataset is an open-access ultrasonic vocalization dataset that contains recordings from diverse species including mice, rats, and gerbils, with manual annotations for its USVs.

搜集汇总

数据集介绍

构建方式

USCMed和USVSEG数据集的构建基于啮齿类动物超声波发声（USVs）的系统性采集与分析。USCMed数据集通过恐惧条件反射实验范式，记录了27只雄性Long Evans大鼠在四种实验条件下的USVs，包括恐惧习得、情境恐惧、线索恐惧消退和消退回忆。音频以250 kHz采样率录制，并辅以人工标注的USV起始/终止时间、最大振幅频率等黄金标准。USVSEG数据集则整合了小鼠、大鼠和沙鼠的多物种USV记录，同样采用250 kHz采样率，并包含手动标注的声学事件。两个数据集均通过专业声学采集设备（如UltraVox XT和Avisoft Bioacoustics系统）确保数据质量，并开放共享以促进研究可重复性。

使用方法

使用该数据集需结合ContourUSV等专用分析管道。典型流程包括：1）通过STFT生成时频谱，设置5 ms时间分辨率与100 Hz频率分辨率；2）应用中值滤波、Otsu阈值化和形态学操作增强USV轮廓；3）利用OpenCV提取声学事件边界框并转换为时间-频率坐标。评估阶段需将系统输出与人工标注进行二元分类对比，计算精确率、召回率等指标。针对跨数据集验证，建议优先测试22 kHz distress calls以保持检测一致性。数据集的Zenodo存储库提供原始音频与标注文件，可直接集成至MNE-Python或MATLAB等平台进行二次开发。

背景与挑战

背景概述

USCMed和USVSEG数据集是专注于啮齿类动物超声波发声（USVs）分析的重要资源，由南卡罗来纳大学的研究团队开发并公开。USCMed数据集创建于2025年，主要记录了雄性Long Evans大鼠在不同实验条件下的USVs，旨在研究恐惧条件反射和消退过程中的个体差异。USVSEG数据集则包含多种啮齿类动物（如小鼠、大鼠和沙鼠）的USVs记录，适用于跨物种比较研究。这些数据集的发布填补了USV自动检测领域高质量标注数据的空白，为行为神经科学和情感计算研究提供了关键支持。

当前挑战

USV自动检测面临的核心挑战包括：1) 领域问题的复杂性，如高频声信号的噪声干扰（如实验设备或环境噪声）以及不同物种或个体间USV模式的显著差异；2) 数据构建过程中的技术难题，例如手动标注的主观性导致的金标准不一致，以及高采样率（250kHz）音频带来的海量数据处理需求。现有机器学习方法普遍存在泛化性不足的问题，在跨数据集或跨物种场景下性能显著下降，而传统信号处理方法又难以平衡精度与计算效率。

常用场景

经典使用场景

USCMed和USVSEG数据集在啮齿类动物超声波发声（USVs）研究中扮演了关键角色，尤其在恐惧条件反射、社交行为及情绪状态分析等领域。这些数据集通过提供高质量的音频记录和手动标注，为研究者提供了可靠的基准数据，用于开发和验证自动化USV检测系统。在神经科学和行为学实验中，这些数据集被广泛用于探索啮齿类动物在不同刺激下的发声模式及其与神经机制的关联。

解决学术问题

USCMed和USVSEG数据集解决了传统手动分析USVs时的时间消耗高、主观性强以及一致性差等问题。通过提供标准化的标注数据，这些数据集支持了自动化检测算法的开发，显著提高了USV分析的效率和准确性。此外，它们还为跨物种、跨实验条件的USV研究提供了可比性数据，推动了啮齿类动物通信行为研究的深入。

实际应用

在实际应用中，USCMed和USVSEG数据集被用于开发实时USV检测系统，这些系统可嵌入硬件设备中，用于动态监测实验中的啮齿类动物发声。例如，在恐惧条件反射实验中，研究者可以利用这些数据集训练的高效算法，实时调整实验条件以响应动物的发声行为。此外，这些数据集还被用于开发便携式设备，支持野外环境下的USV研究。

数据集最近研究

最新研究方向

在啮齿类动物超声波发声（USVs）研究领域，USCMed和USVSEG数据集的推出为情感状态和社会行为的自动化分析提供了重要工具。近期研究聚焦于开发高效、可靠的USV检测系统，以克服传统手动分析的主观性和低效问题。ContourUSV作为一种新型自动化系统，通过结合信号处理和轮廓检测技术，显著提升了检测精度和效率。该系统在USCMed和USVSEG数据集上的表现优于现有方法，尤其在处理恐惧条件反射等复杂行为场景时展现出卓越的鲁棒性。这一进展不仅推动了神经行为学研究的深入，还为精神疾病模型的开发提供了技术支持。

相关研究论文

• A Reliable and Efficient Detection Pipeline for Rodent Ultrasonic Vocalizations

  南卡罗来纳大学 · 2025年