Name: IntelliSleepScorer, חבילת תוכנה עם ממשק משתמש גרפי לעכברים ניקוד אוטומטי של שלב השינה (וידאו) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: למדו להשתמש בתוכנת IntelliSleepScorer לניקוד אוטומטי של שלבי שינה בעכברים. התוכנה מציעה ממשק גרפי ידידותי, דיוק של 95.2%, אפשרויות תיקון ידני והסברי SHAP לתוצאות.

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>כלי ניקוד אוטומטי של שלבי שינה עבור מכרסמים באמצעות 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>תומך במערכת הפעלה עבור התוכנה IntelliSleep Scorer: Windows, Mac או Linux</td></tr><tr><td>מעבד Intel Core i7-8550U @ 1.80 GHz 1.99 GHz; זיכרון RAM: 24 ג'יגה-בייט&nbsp;</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>דרישת חומרה עבור התוכנה: שני Inte Core המפורטים כאן שימשו לעיבוד הנתונים. לוקח בערך 10 דקות לעבד 12 שעות של הקלטה שנדגמה ב-1000 הרץ עבור שתי החומרות. כל חומרה דומה או מעולה תניב ביצועים דומים או טובים יותר. &nbsp;</td></tr><tr><td>מעבד Intel Core i7-10610U @1.80 ג'יגה הרץ 2.30 ג'יגה הרץ; זיכרון 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>דרישת חומרה עבור התוכנה: שני Inte Core המפורטים כאן שימשו לעיבוד הנתונים. לוקח בערך 10 דקות לעבד 12 שעות של הקלטה שנדגמה ב-1000 הרץ עבור שתי החומרות. כל חומרה דומה או מעולה תניב ביצועים דומים או טובים יותר. &nbsp;</td></tr><tr><td>LightGBM</td><td>Microsoft</td><td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>אלגוריתם מבוסס למידת מכונה ששימש לאימון התוכנה.&nbsp;</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>תומך במערכת הפעלה עבור התוכנה IntelliSleep Scorer: Windows, Mac או Linux</td></tr><tr><td>Windows</td><td>Microsoft</td><td>https://www.microsoft.com/en-in/windows/?r=1</td><td>תומך במערכת הפעלה עבור התוכנה IntelliSleep Scorer: Windows, Mac או Linux</td></tr></tbody></table>

intellisleepscorer, חבילת תוכנה עם ממשק משתמש גרפי לעכברים ניקוד אוטומטי של שלב השינה

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

ישנן שלוש חלקות (רק העלילה העליונה אם ערכי SHAP לא הופעלו) שנוצרו בממשק המשתמש הגרפי לאחר ניקוד שלב השינה: העלילה העליונה מציגה ערוצי EEG ו- EMG עם היפנוגרמה של חיזוי שלב השינה. העלילה האמצעית מציגה ערכי SHAP של תקופה. התרשים התחתון מציג ערכי SHAP גלובליים (איור 1).
ישנם 4 סוגים של נתונים המוצגים בתרשים ההיפנוזה של חיזוי שלב השינה (איור 2). השורה העליונה היא התוצאות החזויות. 3 השורות התחתונות הן נתונים גולמיים של 2 ערוצי EEG ו-1 EMG, בהתאמה. בשורה העליונה, כתום מרמז על שלב "Wake", כחול מרמז על שלב "NREM", ואדום מרמז על שלב "REM" בכל תקופה. תקופת הדוגמה הנוכחית היא בשנת 1305 והיא נמצאת בשלב של "התעוררות" מכיוון שסרגל המיקום הוורוד חופף לקו בצבע כתום.
באיור 3, שלב מתוקן על-ידי המשתמש מסומן בקווים מקווקווים על גבי המקור. הקו המקווקו האדום מציין ששלב השינה השתנה מ- "Wake" ל- "REM".
באיור 4, מוצגת תוצאה לדוגמה של תקופה 1305 בקובץ לדוגמה 1. ציר Y של התוויית Epoch SHAP מציג את 10 התכונות המובילות עם ערכי SHAP המוחלטים הגבוהים ביותר עבור התקופה שנבחרה. ציר ה- x מציג את ערכי SHAP, המציינים את התרומה של כל תכונה לחיזוי בהשוואה לחיזוי הממוצע. ערך SHAP החיובי מצביע על תרומה חיובית לתחזית, ולהיפך. לתכונה "emg_abs_max" יש ערך SHAP חיובי מאוד ברמת התקופה עבור Wake, מה שמצביע על כך ש-"emg_abs_max" מהתקופה שנבחרה מגדיל את הסבירות שהתקופה שנבחרה תקבל ניקוד כ-"Wake" (איור 4). זה סביר מבחינה פיזיולוגית מכיוון שמשרעת EMG גדולה מסמלת תנועות פעילות, ובכך מציינת את שלב ה"התעוררות".
בדוגמה של תרשים SHAP גלובלי (איור 5), כל נקודה בתרשים נחיל p מייצגת מדגם אחד של נתונים. ציר ה-y של החלקות מציג את 10 התכונות המובילות עם ערכי SHAP הכלליים המוחלטים הגבוהים ביותר שחושבו מתוך 500 תקופות שנדגמו באופן אקראי. ציר ה- x מציג את ערכי SHAP, המציינים את התרומה של כל תכונה לחיזוי בהשוואה לחיזוי הממוצע. בשונה מהתוויית SHAP התקופתית, לתרשים SHAP הכללי יש שני ממדים: ערך ה- x של כל נקודה ועוצמת צבע הנקודה. ערך SHAP חיובי של ציר x מציין תרומה חיובית לתחזית, ולהיפך. דוגמאות עם צבע אדום כהה יותר הן בעלות ערכי תכונות גבוהים יותר. על ידי בחינה חזותית של מתאמי המיקום והצבע של 500 הנקודות עבור כל תכונה, ניתן לפרש כיצד LightGBM מקבל החלטות בהתבסס על הערכים של כל תכונה. בהתוויית SHAP הגלובלית "Wake", כאשר ערכי SHAP עבור "emg_abs_max" גדלים משליליים יותר לחיוביים יותר, צבע הנקודות נעשה כהה יותר. זה מצביע על כך שהסבירות המוגברת להיות חזוי כ"התעוררות" מתואמת באופן חיובי עם הערך המוגבר של "emg_abs_max". ראוי גם לציין כי תכונות עם התפלגות רחבה יותר של ערכי SHAP (ערכים מוחלטים גבוהים יותר) לתרום יותר לחיזוי על ידי המודל. לדוגמה, בתרשים הכללי של NREM SHAP (איור 5) יש פיזור רחב של נקודות עבור התכונה "eeg2_gamma_delta_ratio". ערך SHAP שלילי מאוד של התכונה מקטין את הסבירות שהמודל יקבל ניקוד כשלב "NREM".
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> איור 1: סקירה כללית של דף GUI לאחר הפעלת חיזוי עבור קובץ Example-1 EDF/EDF+ עם מודל 1_LightBGM-2EEG. גם חיזוי שלב השינה וגם חישוב SHAP מקבלים ניקוד. העלילה העליונה מציגה ערוצי EEG ו- EMG עם היפנוזה של חיזוי שלב השינה. העלילה האמצעית מציגה ערכי SHAP של תקופה. התרשים התחתון מציג ערכי SHAP כלליים. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> איור 2: היפנוגרמה לחיזוי שלב השינה מקובץ EDF/EDF+ לדוגמה-1. ישנם 4 נתונים המוצגים בחלקה. השורה העליונה היא התוצאות החזויות. 3 השורות התחתונות הן נתונים גולמיים של 2 ערוצי EEG ו-1 EMG, בהתאמה. בשורה העליונה, כתום מרמז על שלב "Wake", כחול מרמז על שלב "NREM", ואדום מרמז על שלב "REM" בכל תקופה. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> איור 3: היפנוגרמה לחיזוי שלב השינה מקובץ Example-1 EDF/EDF+ עם תיקון ידני שבוצע על-ידי המשתמש. תקופה 1305 שונתה משלב "Wake" לשלב "REM" כהדגמה של תיקון ידני של שלב השינה בתוך ממשק המשתמש הגרפי. הקו האדום המקווקו מציין את שלב השינה "REM" שהשתנה על-ידי המשתמש. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> איור 4: ערכי Wake, NREM ו- REM Epoch SHAP עבור קובץ Example-1 EDF/EDF+ באפוס 1305. ציר y של התוויית Epoch SHAP מציג את 10 התכונות המובילות עם ערכי SHAP המוחלטים הגבוהים ביותר עבור התקופה שנבחרה. ציר ה- x מציג את ערכי SHAP, המציינים את התרומה של כל תכונה לחיזוי בהשוואה לחיזוי הממוצע. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> איור 5: ערכי Wake, NREM ו- REM Global SHAP עבור קובץ Example-1 EDF/EDF+ . כל נקודה בתרשים נחיל ה-p מייצגת מדגם אחד של נתונים. ציר ה-y של החלקות מציג את 10 התכונות המובילות עם ערכי SHAP הכלליים המוחלטים הגבוהים ביותר שחושבו מתוך 500 תקופות שנדגמו באופן אקראי. ציר ה- x מציג את ערכי SHAP, המציינים את התרומה של כל תכונה לחיזוי בהשוואה לחיזוי הממוצע. ציר ה- x של ערך SHAP הכללי כולל שני ממדים: ערך ה- x של כל נקודה ועוצמת צבע הנקודה. ערך SHAP חיובי של ציר x מציין תרומה חיובית לתחזית, ולהיפך. דוגמאות עם צבע אדום כהה יותר הן בעלות ערכי תכונות גבוהים יותר. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>

IntelliSleepScorer, חבילת תוכנה עם ממשק משתמש גרפי לעכברים ניקוד אוטומטי של שלב השינה

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

JoVE Journal

Neuroscience

מדעי המוח

סרטון זה מדגים פרוטוקול להשתלת הרכבת אלקטרודות אלקטרואנצפלוגרם (EEG) ואלקטרומיוגרמה (EMG) בעכבר מורדם. התהליך כולל אבטחת העכבר על מסגרת סטריאוטקסית, ביצוע חתך קו אמצע בגולגולת, קידוח חורים עבור האלקטרודות, וקיבוע יחידת האלקטרודה להקלטת אותות. לאחר ההתאוששות, התנהגות השינה-ערות של העכבר מנותחת באמצעות האותות המוקלטים.

ניתוח התנהגות שינה בעכברים באמצעות אלקטרואנצפלוגרם והקלטות אלקטרומיוגרמה

מערכת אוטומטית לחלוטין למדידת נכסים משמעותיים מבחינה פיזיולוגית של מנגנוני תיווך לוקליזציה המרחבית, לוקליזציה זמנית, משך, קצב והערכת הסתברות, הערכת סיכונים, אימפולסיביות, ואת הדיוק ואת הדיוק של זיכרון, כדי להעריך את ההשפעות של מניפולציות גנטיות ותרופתיות על מנגנונים בסיסיים של הכרה בעכברים.

אוטומטי, כמותי קוגניטיבי / הקרנת התנהגות של עכברים: לגנטיקה, פרמקולוגיה, בעלי החיים קוגניציה והוראה לתואר ראשון

הרישום של אלקטרואנצפלוגרמה (EEG) ואלקטרומיוגרמה (EMG) בעכברים שמתנהגים בחופשיות הוא צעד קריטי למתאם התנהגות ופיזיולוגיה עם שינה וערות. הפרוטוקול הניסיוני המתואר כאן מספק מערכת מבוססת כבלים לרכישת הקלטות EEG ו-EMG בעכברים.

נוהל הקלטת פוליגרפים למדידת שינה בעכברים

כאן, אנו מציגים פרוצדורות ניסוייות ואנליטיות כדי לתאר את הדינמיקה הזמנית של המשתנים העצביים והלבניים של שינה שאינה REM בעכברים, המווסתים את היענות השינה לגירויים אקוסטיים.

כימות אינפרה איטית דינמיקה של הספק ספקטרלי ואת קצב הלב בעכברים שינה

אנו מתארים שיטה תפוקה גבוהה של מדידת שינה באמצעות פיקוח הביתה כלוב מבוסס-פעילות. שיטה זו מציעה יתרונות על פני שיטות מסורתיות מבוססות-EEG. זה טוב מאומת מצפני משך השינה הכולל והוא יכול להיות כלי רב עוצמה כדי לפקח על שינה במודלים מכרסם של מחלות אנושיות.

נחישותם לא פולשנית, תפוקה גבוהה של משך השינה בחולדות

שינויים ב- kynurenine מסלול (KP) neuroactive מטבוליטים הם מעורבים מחלות פסיכיאטריות. חוקרים התוצאה הפונקציונלית של kynurenine שינו מסלול חילוף החומרים של ויוו בחולדות עשוי לעזור להבהיר רומן גישות טיפוליות. בפרוטוקול הנוכחי משלב גישות ביוכימיים והתנהגותיים לחקור את ההשפעה של אתגר kynurenine חריפה אצל חולדות.

יחידת מידה כרומטוגרפיה נוזלית ביצועים גבוהים Kynurenine וחומצה Kynurenic: ביוכימיה הנוגעים קוגניציה ולישון אצל חולדות

כאן, אנו מציגים פרוטוקול כדי לשפר את איכות הנתונים משינה בבית, בדיקות על-ידי מתן שיטה כדי לשפר את ההוראות ביקור המשתתף מובנית. פרוטוקול זה כולל את היישום של צעד אחר צעד מדריך חינוכי עם תמונות כדי להבטיח השמה נכונה של ציוד.

שינה מרובה מודאלי הביתה ניטור של אנשים מבוגרים

פרוטוקול זה מספק מקור פתוח, הידור תוכנית MATLAB שמייצר ספקטרוגרמות רב להתחדד עבור נתוני אלקטרונצלוגרפיה.

תוכנית ספקטרוגרמה מרובת להתחל במחשב לקבלת נתונים אלקטרונצלוגרפיים

כאן, אנו מציגים פרוטוקול החוקר את הקשר בין תסמינים קוגניטיביים ואיכות השינה בחולים עם הפרעת דיכאון מג'ורי. הכלי המשולב THINC ופוליסומנוגרפיה שימשו להערכת סימפטומים קוגניטיביים ואיכות שינה.

הקשר בין איכות השינה לבין תסמינים קוגניטיביים בחולים עם הפרעת דיכאון מג'ורית

אנו מתארים פרוטוקול עבור כימות מהיר ורגיש של חומרת המחלה בעכברי מודל אטקסיה cerebellar. אמצעים כגון גפיים אחוריות וספקה, מדף הבדיקה, הליכה ו קיפוזיס. פרוטוקול זה ביעילות מפלה בין אנשים מושפעים ולא מושפעים, ומזהה את ההתקדמות של אנשים מושפעים לאורך זמן.

ניקוד פשוט Composite הפנוטיפ מערכת להערכת מודלים של עכבר אטקסיה cerebellar

למדו להשתמש בתוכנת IntelliSleepScorer לניקוד אוטומטי של שלבי שינה בעכברים. התוכנה מציעה ממשק גרפי ידידותי, דיוק של 95.2%, אפשרויות תיקון ידני והסברי SHAP לתוצאות.

IntelliSleepScorer, חבילת תוכנה עם ממשק משתמש גרפי לעכברים ניקוד אוטומטי של שלב השינה

גלה סרטונים נוספים