Name: IntelliSleepScorer, un paquete de software con una interfaz gráfica de usuario para la puntuación automatizada de la etapa del sueño de ratones (Video) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: Descubre IntelliSleepScorer, un software con interfaz gráfica para puntuar automáticamente etapas del sueño en ratones con 95,2% de precisión. Incluye corrección manual y visualización SHAP para explicar decisiones del modelo.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<meta charset="utf8"></head><body>Herramienta automatizada de puntuación de la etapa del sueño para roedores mediante LightGBM

<ol><li>Wang, L. A., Kern, R., Yu, E., Choi, S., Pan, J. Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intellisleepscorer%2C+a+software+package+with+a+graphic+user+interface+for+automated+sleep+stage+scoring+in+mice+based+on+a+light+gradient+boosting+machine+algorithm%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Intellisleepscorer, a software package with a graphic user interface for automated sleep stage scoring in mice based on a light gradient boosting machine algorithm.</a> Sci Rep. 13 (1), 4275(2023).</li>
<li>Astori, S., Wimmer, R. D., Luthi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Manipulating+sleep+spindles--expanding+views+on+sleep%2C+memory%2C+and+disease%5BTitle%5D)+AND+%22Trends+Neurosci%22%5BJournal%5D)">Manipulating sleep spindles--expanding views on sleep, memory, and disease.</a> Trends Neurosci. 36 (12), 738-748 (2013).</li>
<li>Fraigne, J. J., Torontali, Z. A., Snow, M. B., Peever, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rem+sleep+at+its+core-circuits%2C+neurotransmitters%2C+and+pathophysiology%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Rem sleep at its core-circuits, neurotransmitters, and pathophysiology.</a> Front Neurol. 6, 123(2015).</li>
<li>Huber, R., Deboer, T., Tobler, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+sleep+deprivation+on+sleep+and+sleep+eeg+in+three+mouse+strains%3A+Empirical+data+and+simulations%5BTitle%5D)+AND+%22Brain+Res%22%5BJournal%5D)">Effects of sleep deprivation on sleep and sleep eeg in three mouse strains: Empirical data and simulations.</a> Brain Res. 857 (1-2), 8-19 (2000).</li>
<li>Brown, R. E., Basheer, R., Mckenna, J. T., Strecker, R. E., Mccarley, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Control+of+sleep+and+wakefulness%5BTitle%5D)+AND+%22Physiol+Rev%22%5BJournal%5D)">Control of sleep and wakefulness.</a> Physiol Rev. 92 (3), 1087-1187 (2012).</li>
<li>Lacroix, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+sleep+scoring+in+mice+reveals+human-like+stages%5BTitle%5D)+AND+%22BioRxiv%22%5BJournal%5D)">Improved sleep scoring in mice reveals human-like stages.</a> BioRxiv. 489005, (2018).</li>
<li>Rayan, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sleep+scoring+in+rodents%3A+Criteria%2C+automatic+approaches+and+outstanding+issues%5BTitle%5D)+AND+%22Eur+J+Neurosci%22%5BJournal%5D)">Sleep scoring in rodents: Criteria, automatic approaches and outstanding issues.</a> Eur J Neurosci. 59 (4), 526-553 (2024).</li>
<li>Yamabe, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mc-sleepnet%3A+Large-scale+sleep+stage+scoring+in+mice+by+deep+neural+networks%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Mc-sleepnet: Large-scale sleep stage scoring in mice by deep neural networks.</a> Sci Rep. 9 (1), 15793(2019).</li>
<li>Katsuki, F., Spratt, T. J., Brown, R. E., Basheer, R., Uygun, D. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sleep-deep-learner+is+taught+sleep-wake+scoring+by+the+end-user+to+complete+each+record+in+their+style%5BTitle%5D)+AND+%22Sleep+Adv%22%5BJournal%5D)">Sleep-deep-learner is taught sleep-wake scoring by the end-user to complete each record in their style.</a> Sleep Adv. 5 (1), zpae022(2024).</li>
<li>Allocca, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validation+of+%27somnivore%27%2C+a+machine+learning+algorithm+for+automated+scoring+and+analysis+of+polysomnography+data%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">Validation of 'somnivore', a machine learning algorithm for automated scoring and analysis of polysomnography data.</a> Front Neurosci. 13, 207(2019).</li>
<li>Jha, P. K., Valekunja, U. K., Reddy, A. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Slumbernet%3A+Deep+learning+classification+of+sleep+stages+using+residual+neural+networks%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Slumbernet: Deep learning classification of sleep stages using residual neural networks.</a> Sci Rep. 14 (1), 4797(2024).</li>
<li>Barger, Z., Frye, C. G., Liu, D., Dan, Y., Bouchard, K. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robust%2C+automated+sleep+scoring+by+a+compact+neural+network+with+distributional+shift+correction%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Robust, automated sleep scoring by a compact neural network with distributional shift correction.</a> PLoS One. 14 (12), e0224642(2019).</li>
<li>Miladinovic, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spindle%3A+End-to-end+learning+from+eeg%2Femg+to+extrapolate+animal+sleep+scoring+across+experimental+settings%2C+labs+and+species%5BTitle%5D)+AND+%22PLoS+Comput+Biol%22%5BJournal%5D)">Spindle: End-to-end learning from eeg/emg to extrapolate animal sleep scoring across experimental settings, labs and species.</a> PLoS Comput Biol. 15 (4), e1006968(2019).</li>
<li>Brodersen, P. J. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Somnotate%3A+A+probabilistic+sleep+stage+classifier+for+studying+vigilance+state+transitions%5BTitle%5D)+AND+%22PLoS+Comput+Biol%22%5BJournal%5D)">Somnotate: A probabilistic sleep stage classifier for studying vigilance state transitions.</a> PLoS Comput Biol. 20 (1), e1011793(2024).</li>
<li>Akada, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+deep+learning+algorithm+for+sleep+stage+scoring+in+mice+based+on+a+multimodal+network+with+fine-tuning+technique%5BTitle%5D)+AND+%22Neurosci+Res%22%5BJournal%5D)">A deep learning algorithm for sleep stage scoring in mice based on a multimodal network with fine-tuning technique.</a> Neurosci Res. 173, 99-105 (2021).</li>
<li>Rytkonen, K. M., Zitting, J., Porkka-Heiskanen, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+sleep+scoring+in+rats+and+mice+using+the+naive+Bayes+classifier%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Automated sleep scoring in rats and mice using the naive Bayes classifier.</a> J Neurosci Methods. 202 (1), 60-64 (2011).</li>
<li>Kam, K., Rapoport, D. M., Parekh, A., Ayappa, I., Varga, A. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wavesleepnet%3A+An+interpretable+deep+convolutional+neural+network+for+the+continuous+classification+of+mouse+sleep+and+wake%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Wavesleepnet: An interpretable deep convolutional neural network for the continuous classification of mouse sleep and wake.</a> J Neurosci Methods. 360, 109224(2021).</li>
<li>Crisler, S., Morrissey, M. J., Anch, A. M., Barnett, D. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sleep-stage+scoring+in+the+rat+using+a+support+vector+machine%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Sleep-stage scoring in the rat using a support vector machine.</a> J Neurosci Methods. 168 (2), 524-534 (2008).</li>
<li>Ke, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lightgbm%3A+A+highly+efficient+gradient+boosting+decision+tree%5BTitle%5D)+AND+%22Neural+Information+Processing+Systems%22%5BJournal%5D)">Lightgbm: A highly efficient gradient boosting decision tree.</a> Neural Information Processing Systems. , (2017).</li>
<li>A unified approach to interpreting model predictions. Lundberg, S. M., Lee, S. I. In Proceedings of the 31st International Conference on Neural Information Processing Systems (NIPS'17), , Curran Associates Inc. Red Hook, NY. 4768-4777 (2017).</li>
</ol>

<table><tbody><tr><td>Canonical Unbuntu 18.04</td><td>Canonical</td><td>https://releases.ubuntu.com/18.04/</td> <td>Sistema operativo compatible con el software IntelliSleep Scorer: Windows, Mac o Linux</td></tr><tr><td>CPU Intel Core i7-8550U @ 1.80 GHz 1.99 GHz; Memoria RAM: 24 GB&nbsp;</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>Requisitos de hardware para el software: Los dos Inte Core enumerados aquí se han utilizado para procesar los datos. Se tarda unos 10 minutos en procesar 12 h de grabación muestreada a 1000 Hz para ambos hardware. Cualquier hardware similar o superior produciría un rendimiento comparable o mejor. &nbsp;</td></tr><tr><td>CPU Intel Core i7-10610U @1.80 GHz 2.30 GHz; Memoria RAM: 16 GB</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>Requisito de hardware para el software: Se han utilizado los dos Inte Core enumerados aquí para procesar los datos. Se tarda unos 10 minutos en procesar 12 h de grabación muestreada a 1000 Hz para ambos hardware. Cualquier hardware similar o superior produciría un rendimiento comparable o mejor. &nbsp;</td></tr><tr><td>LightGBM</td><td>Microsoft</td><td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>Algoritmo basado en aprendizaje automático que se utilizó para entrenar el software.</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>Sistema operativo compatible con el software IntelliSleep Scorer: Windows, Mac o Linux</td></tr><tr><td>Windows</td> Sistema operativo compatible con <td>Microsoft https://www.microsoft.com/en-in/windows/?r=1</td><td></td><td>para el software IntelliSleep Scorer: Windows, Mac o Linux</td></tr></tbody></table>

intellisleepscorer, un paquete de software con una interfaz gráfica de usuario para la puntuación automatizada de la etapa del sueño de ratones

IntelliSleepScorer, a Software Package with a Graphic User Interface for Mice Automated Sleep Stage Scoring

Hay tres gráficos (solo el gráfico superior si no se ejecutaron los valores de SHAP) generados en la GUI después de la puntuación de la etapa del sueño: el gráfico superior presenta los canales EEG y EMG con un hipnograma de la predicción de la etapa del sueño. El gráfico del medio presenta los valores SHAP de la época. El gráfico inferior presenta los valores globales de SHAP (Figura 1).
Hay 4 tipos de datos presentados en el gráfico de hipnograma de predicción de la etapa del sueño (Figura 2). La fila superior son los resultados previstos. Las 3 filas inferiores son datos brutos de 2 canales EEG y 1 EMG, respectivamente. En la fila superior, el naranja sugiere la etapa "Wake", el azul sugiere la etapa "NREM" y el rojo sugiere la etapa "REM" en cada época. La época de ejemplo actual está en 1305 y se encuentra en una etapa de "Despertar" porque la barra de ubicación rosa se superpone con una línea de color naranja.
En la Figura 3, una etapa corregida por el usuario está marcada con líneas discontinuas encima del original. La línea discontinua roja indica que la etapa de sueño se ha cambiado de "Despertar" a "REM".
En la figura 4, se muestra un ejemplo de resultado de la época 1305 en el archivo de ejemplo 1. El eje Y de la gráfica SHAP de época muestra las 10 entidades principales con los valores SHAP absolutos más altos para la época seleccionada. El eje x muestra los valores SHAP, que indican la contribución de cada característica a la predicción en comparación con la predicción promedio. El valor SHAP positivo indica una contribución positiva a la predicción, y viceversa. La característica "emg_abs_max" tiene un valor SHAP de nivel de época muy positivo para Wake, lo que indica que "emg_abs_max" de la época seleccionada aumenta la probabilidad de que la época elegida se califique como "Wake" (Figura 4). Esto es fisiológicamente razonable porque una gran amplitud de EMG significa movimientos activos, lo que indica la etapa de "Vigilia".
En el ejemplo de la gráfica Global SHAP (Figura 5), cada punto de la gráfica p-swarm representa una muestra de datos. El eje Y de las gráficas muestra las 10 entidades principales con los valores SHAP globales absolutos más altos calculados a partir de 500 épocas muestreadas aleatoriamente. El eje x muestra los valores SHAP, que indican la contribución de cada característica a la predicción en comparación con la predicción promedio. A diferencia del diagrama SHAP de época, el diagrama SHAP global tiene dos dimensiones: el valor x de cada punto y la intensidad del color del punto. El valor SHAP positivo del eje x indica una contribución positiva a la predicción, y viceversa. Las muestras con un color rojo más oscuro tienen valores de característica más altos. Al examinar visualmente las correlaciones de posición y el color de los 500 puntos de cada característica, se puede interpretar cómo LightGBM toma decisiones basadas en los valores de cada característica. En el gráfico SHAP global "Wake", a medida que los valores de SHAP para "emg_abs_max" aumentan de ser más negativos a ser más positivos, el color de los puntos se vuelve más oscuro. Indica que el aumento de la probabilidad de ser predicho como "Wake" se correlaciona positivamente con el aumento del valor de "emg_abs_max". También vale la pena señalar que las características con distribuciones más amplias de valores SHAP (valores absolutos más altos) contribuyen más a la predicción del modelo. Por ejemplo, el gráfico global NREM SHAP (Figura 5) tiene una amplia distribución de puntos para la característica "eeg2_gamma_delta_ratio". El valor SHAP altamente negativo de la característica disminuye la probabilidad de que el modelo se califique como la etapa "NREM".
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> Figura 1: Descripción general de la página GUI después de ejecutar la predicción para el archivo EDF/EDF+ Example-1 con el modelo 1_LightBGM-2EEG. Se puntúan tanto la predicción de la etapa del sueño como el cálculo de SHAP. El gráfico superior muestra los canales de EEG y EMG con un hipnograma de la predicción de la etapa del sueño. El gráfico del medio muestra los valores SHAP de la época. El gráfico inferior muestra los valores globales de SHAP. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> Figura 2: Hipnograma de predicción de la etapa del sueño del archivo EDF/EDF+ Ejemplo-1. En el gráfico se presentan 4 datos. La fila superior son los resultados previstos. Las 3 filas inferiores son datos brutos de 2 canales EEG y 1 EMG, respectivamente. En la fila superior, el naranja sugiere la etapa "Wake", el azul sugiere la etapa "NREM" y el rojo sugiere la etapa "REM" en cada época. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> Figura 3: Hipnograma de predicción de la etapa del sueño del archivo EDF/EDF+ Ejemplo-1 con corrección manual modificada por el usuario. La época 1305 se ha cambiado de la etapa "Despertar" a la etapa "REM" como una demostración de la corrección manual de la etapa de sueño dentro de la GUI. La línea roja discontinua indica la etapa de sueño modificada por el usuario "REM". <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> Figura 4: Valores SHAP de Wake, NREM y REM Epoch para el archivo EDF/EDF+ Example-1 en la Época 1305. El eje Y de la gráfica SHAP de época muestra las 10 entidades principales con los valores SHAP absolutos más altos para la época seleccionada. El eje x muestra los valores SHAP, que indican la contribución de cada característica a la predicción en comparación con la predicción promedio. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> Figura 5: Valores de Wake, NREM y REM Global SHAP para el archivo EDF/EDF+ Ejemplo-1. Cada punto en el diagrama p-swarm representa una muestra de datos. El eje Y de las gráficas muestra las 10 entidades principales con los valores SHAP globales absolutos más altos calculados a partir de 500 épocas muestreadas aleatoriamente. El eje x muestra los valores SHAP, que indican la contribución de cada característica a la predicción en comparación con la predicción promedio. El eje x del valor SHAP global tiene dos dimensiones: el valor x de cada punto y la intensidad del color del punto. El valor SHAP positivo del eje x indica una contribución positiva a la predicción, y viceversa. Las muestras con un color rojo más oscuro tienen valores de característica más altos. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>

IntelliSleepScorer, un paquete de software con una interfaz gráfica de usuario para la puntuación automatizada de la etapa del sueño de ratones

Sleep stage scoring in rodents is the process of identifying the three stages: nonrapid eye movement sleep (NREM), rapid eye movement sleep (REM), and ...

intellisleepscorer-software-package-with-graphic-user-interface-for

Research

Investigación

JoVE Journal

Neuroscience

Neurociencia

Este video muestra un protocolo para implantar un conjunto de electrodos de electroencefalograma (EEG) y electromiograma (EMG) en un ratón anestesiado. El proceso consiste en asegurar el ratón en un marco estereotáxico, hacer una incisión en la línea media del cráneo, perforar agujeros para los electrodos y fijar la unidad de electrodos para el registro de la señal. Después de la recuperación, el comportamiento de sueño-activación del mouse se analiza utilizando las señales registradas.

Análisis del comportamiento del sueño en ratones a través de registros de electroencefalograma y electromiograma

Sistema totalmente automatizado para medir propiedades fisiológicamente significativas de los mecanismos que median la localización espacial, la localización temporal, la duración, la frecuencia y la estimación de la probabilidad, la evaluación de riesgos, la impulsividad y la exactitud y precisión de la memoria, con el fin de evaluar los efectos de las manipulaciones genéticas y farmacológicas sobre mecanismos fundamentales de la cognición en ratones.

Automatizado, cuantitativa Cognitiva / Screening de comportamiento de los ratones: Para Genética, Farmacología, Animal Cognition and Instruction Pregrado

El registro del electroencefalograma (EEG) y el electromiograma (EMG) en ratones que se comportan libremente es un paso crítico para correlacionar el comportamiento y la fisiología con el sueño y la vigilia. El protocolo experimental descrito en este documento proporciona un sistema basado en cable para adquirir registros de EEG y EMG en ratones.

Poligráfico Procedimiento de Grabación en medición del sueño en ratones

Aquí, presentamos procedimientos experimentales y analíticos para describir la dinámica temporal de las variables neuronales y cardíacas del sueño no REM en ratones, que modulan la respuesta del sueño a los estímulos acústicos.

Cuantificación de la dinámica infrarroja de la potencia espectral y la frecuencia cardíaca en ratones dormidos

Se describe un método de alto rendimiento de medición de sueño por medio de la actividad casa jaula monitoreo. Este método ofrece ventajas sobre los métodos tradicionales basados en el EEG. Bien validado para la determinación de la duración total del sueño y puede ser una poderosa herramienta para controlar el sueño en modelos de roedores de la enfermedad humana.

Determinación no invasiva, de alto rendimiento de la duración del sueño en roedores

Alteraciones en los metabolitos de quinurenina vía (KP) neuroactivos implicados en enfermedades psiquiátricas. Investigar los resultados funcionales de un alterado quinurenina vía metabolismo en vivo en los roedores puede ayudar a elucidar nuevos enfoques terapéuticos. El protocolo actual combina enfoques bioquímicos y de comportamiento para investigar el impacto de un desafío de quinurenina aguda en ratas.

Una medida de la cromatografía líquida de alto rendimiento de quinurenina y ácido quinurénico: relacionados con la bioquímica cognición y sueño en ratas

Aquí, presentamos un protocolo para mejorar la calidad de los datos de sueño Inicio pruebas proporciona un método para mejorar las instrucciones mediante una visita estructurada participante. Este protocolo incluye la implementación de un manual educativo paso a paso con fotos para asegurar la colocación adecuada del equipo.

Sueño hogar multimodal en adultos mayores

Este protocolo proporciona un programa MATLAB compilado de código abierto que genera espectrogramas multicórmores para datos electroencefalográficos.

Programa de Espectrograma Multitaper basado en Computadora para Datos Electroencefalográficos

En este trabajo se presenta un protocolo que investiga la relación entre los síntomas cognitivos y la calidad del sueño en pacientes con trastorno depresivo mayor. Se utilizaron la herramienta integrada con THINC y la polisomnografía para evaluar los síntomas cognitivos y la calidad del sueño.

Asociación entre la calidad del sueño y los síntomas cognitivos en pacientes con trastorno depresivo mayor

Se describe un protocolo para la cuantificación rápida y sensible de la gravedad de la enfermedad en modelos de ratón de la ataxia cerebelosa. Las medidas incluyen las extremidades posteriores juntando, la cornisa de la prueba, la marcha y la cifosis. Este protocolo efectivamente discrimina entre los individuos afectados y no afectados, y detecta la progresión de las personas afectadas con el tiempo.

A simple fenotipo compuesto el sistema de puntaje para la evaluación de modelos de ratón de Ataxia cerebelosa

Descubre IntelliSleepScorer, un software con interfaz gráfica para puntuar automáticamente etapas del sueño en ratones con 95,2% de precisión. Incluye corrección manual y visualización SHAP para explicar decisiones del modelo.

IntelliSleepScorer, un paquete de software con una interfaz gráfica de usuario para la puntuación automatizada de la etapa del sueño de ratones (Video) | JoVE Journal

IntelliSleepScorer, un paquete de software con una interfaz gráfica de usuario para la puntuación automatizada de la etapa del sueño de ratones

Explorar más videos