Name: IntelliSleepScorer, un pacchetto software con uninterfaccia utente grafica per il punteggio automatizzato delle fasi del sonno dei mouse (Video) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: Scopri IntelliSleepScorer, un software con interfaccia grafica per la classificazione automatica delle fasi del sonno nei topi con accuratezza del 95,2%. Include correzioni manuali e visualizzazioni SHAP per spiegare le decisioni del modello.

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>Strumento automatizzato di punteggio delle fasi del sonno per i roditori che utilizzano 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 che supporta il 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</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>Requisiti hardware per il software: Entrambi gli Inte Core elencati qui sono stati utilizzati per elaborare i dati. Ci vogliono circa 10 minuti per elaborare 12 ore di registrazione campionate a 1000 Hz per entrambi gli hardware. Qualsiasi hardware simile o superiore produrrebbe prestazioni comparabili o migliori. &nbsp;</td></tr><tr><td>processore Intel Core i7-10610U @1.80 GHz 2.30 GHz; 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>Requisiti hardware per il software: Entrambi gli Inte Core elencati qui sono stati utilizzati per elaborare i dati. Ci vogliono circa 10 minuti per elaborare 12 ore di registrazione campionate a 1000 Hz per entrambi gli hardware. Qualsiasi hardware simile o superiore produrrebbe prestazioni comparabili o migliori. &nbsp;</td></tr><tr><td>LightGBM</td><td>Microsoft</td><td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>Algoritmo basato sull'apprendimento automatico utilizzato per addestrare il software.</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>Sistema operativo compatibile con il software IntelliSleep Scorer: Windows, Mac o Linux</td></tr><tr><td>Windows Microsoft</td><td></td><td>https://www.microsoft.com/en-in/windows/?r=1</td><td>Sistema operativo con supporto per il software IntelliSleep Scorer: Windows, Mac o Linux</td></tr></tbody></table>

intellisleepscorer, un pacchetto software con un'interfaccia utente grafica per il punteggio automatizzato delle fasi del sonno dei mouse

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

Ci sono tre grafici (solo il grafico superiore se i valori SHAP non sono stati eseguiti) generati nella GUI dopo il punteggio della fase del sonno: il grafico superiore presenta i canali EEG ed EMG con un ipnogramma della previsione della fase del sonno. Il grafico centrale presenta i valori SHAP dell'epoca. Il grafico in basso presenta i valori SHAP globali (Figura 1).
Ci sono 4 tipi di dati presentati nel grafico dell'ipnogramma di previsione della fase del sonno (Figura 2). La riga superiore è rappresentata dai risultati previsti. Le 3 righe inferiori sono dati grezzi di 2 canali EEG e 1 EMG, rispettivamente. Nella riga superiore, l'arancione indica la fase "Wake", il blu la fase "NREM" e il rosso la fase "REM" in ogni epoca. L'epoca di esempio corrente è il 1305 ed è in una fase di "Veglia" perché la barra di localizzazione rosa si sovrappone a una linea di colore arancione.
Nella Figura 3, una fase corretta dall'utente è contrassegnata da linee tratteggiate sopra l'originale. La linea tratteggiata rossa indica che la fase del sonno è stata modificata da "Sveglia" a "REM".
Nella Figura 4 viene mostrato un esempio di risultato dell'epoca 1305 nel file di esempio 1. L'asse Y del grafico SHAP di Epoch mostra le prime 10 feature con i valori SHAP assoluti più alti per l'epoca selezionata. L'asse x mostra i valori SHAP, che indicano il contributo di ciascuna funzionalità alla stima rispetto alla previsione media. Il valore SHAP positivo indica un contributo positivo alla stima e viceversa. La funzione "emg_abs_max" ha un valore SHAP a livello di epoca molto positivo per la riattivazione, che indica che "emg_abs_max" dell'epoca selezionata aumenta la probabilità che l'epoca scelta venga valutata come "Risveglio" (Figura 4). Questo è fisiologicamente ragionevole perché una grande ampiezza EMG indica movimenti attivi, indicando così la fase di "Veglia".
Nell'esempio del grafico SHAP globale (Figura 5), ogni punto nel grafico p-swarm rappresenta un campione di dati. L'asse y dei grafici mostra le prime 10 caratteristiche con i valori SHAP globali assoluti più alti calcolati da 500 epoche campionate casualmente. L'asse x mostra i valori SHAP, che indicano il contributo di ciascuna funzionalità alla stima rispetto alla previsione media. A differenza del grafico SHAP dell'epoca, il grafico SHAP globale ha due dimensioni: il valore x di ciascun punto e l'intensità del colore del punto. Il valore SHAP positivo dell'asse x indica un contributo positivo alla previsione e viceversa. I campioni con un colore rosso più scuro hanno valori di funzione più elevati. Esaminando visivamente le correlazioni di posizione e il colore dei 500 punti per ogni caratteristica, è possibile interpretare come LightGBM prende decisioni in base ai valori di ciascuna caratteristica. Nel grafico SHAP globale "Wake", man mano che i valori SHAP per "emg_abs_max" aumentano da più negativi a più positivi, il colore dei punti diventa più scuro. Indica che l'aumento della probabilità di essere previsti come "Veglia" è correlato positivamente con l'aumento del valore di "emg_abs_max". Vale anche la pena notare che le funzionalità con distribuzioni più ampie di valori SHAP (valori assoluti più alti) contribuiscono maggiormente alla previsione da parte del modello. Ad esempio, il grafico SHAP NREM globale (Figura 5) ha un'ampia gamma di punti per la funzione "eeg2_gamma_delta_ratio". Il valore SHAP altamente negativo della funzionalità riduce la probabilità che il modello venga valutato come fase "NREM".
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> Figura 1: Panoramica della pagina GUI dopo l'esecuzione della previsione per il file EDF/EDF+ Example-1 con modello 1_LightBGM-2EEG. Vengono valutate sia la previsione della fase del sonno che il calcolo SHAP. Il grafico in alto mostra i canali EEG ed EMG con un ipnogramma della previsione della fase del sonno. Il grafico centrale mostra i valori SHAP dell'epoca. Il grafico inferiore mostra i valori SHAP globali. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> Figura 2: Ipnogramma di previsione della fase del sonno dal file EDF/EDF+ dell'Esempio-1. Ci sono 4 dati presentati nel grafico. La riga superiore è rappresentata dai risultati previsti. Le 3 righe inferiori sono dati grezzi di 2 canali EEG e 1 EMG, rispettivamente. Nella riga superiore, l'arancione indica la fase "Wake", il blu la fase "NREM" e il rosso la fase "REM" in ogni epoca. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> Figura 3: Ipnogramma di previsione della fase del sonno dal file EDF/EDF+ dell'Esempio-1 con correzione manuale modificata dall'utente. L'epoca 1305 è stata modificata da fase "Wake" a fase "REM" come dimostrazione della correzione manuale della fase di sospensione all'interno della GUI. La linea rossa tratteggiata indica la fase del sonno "REM" modificata dall'utente. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> Figura 4: Valori SHAP dell'epoca Wake, NREM e REM per il file EDF/EDF+ Example-1 all'epoca 1305. L'asse y del grafico SHAP Epoch mostra le prime 10 feature con i valori SHAP assoluti più alti per l'epoca selezionata. L'asse x mostra i valori SHAP, che indicano il contributo di ciascuna funzionalità alla stima rispetto alla previsione media. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> Figura 5: Valori SHAP globali di riattivazione, NREM e REM per il file EDF/EDF+ Example-1. Ogni punto nel grafico p-swarm rappresenta un campione di dati. L'asse y dei grafici mostra le prime 10 caratteristiche con i valori SHAP globali assoluti più alti calcolati da 500 epoche campionate casualmente. L'asse x mostra i valori SHAP, che indicano il contributo di ciascuna funzionalità alla stima rispetto alla previsione media. L'asse x del valore SHAP globale ha due dimensioni: il valore x di ciascun punto e l'intensità del colore del punto. Il valore SHAP positivo dell'asse x indica un contributo positivo alla previsione e viceversa. I campioni con un colore rosso più scuro hanno valori di funzione più elevati. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>

IntelliSleepScorer, un pacchetto software con un'interfaccia utente grafica per il punteggio automatizzato delle fasi del sonno dei mouse

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

Ricerca

JoVE Journal

Neuroscience

Neuroscienze

Questo video mostra un protocollo per l'impianto di un elettroencefalogramma (EEG) e di un elettromiogramma (EMG) in un topo anestetizzato. Il processo prevede il fissaggio del topo su un telaio stereotassico, l'esecuzione di un'incisione della linea mediana nel cranio, la perforazione di fori per gli elettrodi e il fissaggio dell'unità elettrodo per la registrazione del segnale. Dopo il recupero, il comportamento sonno-veglia del topo viene analizzato utilizzando i segnali registrati.

Analisi del comportamento del sonno nei topi attraverso registrazioni di elettroencefalogramma ed elettromiogramma

Sistema completamente automatico di misura di proprietà fisiologicamente significativi dei meccanismi che mediano la localizzazione spaziale, localizzazione temporale, la durata, il tasso e la stima di probabilità, la valutazione del rischio, impulsività e l'accuratezza e la precisione della memoria, al fine di valutare gli effetti delle manipolazioni genetiche e farmacologiche su meccanismi fondamentali della cognizione nei topi.

Automatizzato, Quantitative cognitivo / comportamentale Proiezione di topi: per la genetica, farmacologia, Animal Cognition e istruzione laurea

La registrazione dell'elettroencefalogramma (EEG) e dell'elettromiogramma (EMG) nei topi che si comportano liberamente è un passo fondamentale per correlare il comportamento e la fisiologia con il sonno e la veglia. Il protocollo sperimentale qui descritto fornisce un sistema basato su cavo per l'acquisizione di registrazioni EEG ed EMG nei topi.

Procedura di registrazione poligrafica per la misurazione del sonno nei topi

Qui presentiamo procedure sperimentali e analitiche per descrivere le dinamiche temporali delle variabili neurali e cardiache del sonno non REM nei topi, che modulano la risposta al sonno agli stimoli acustici.

Quantificare la dinamica infrarosso del potere spettrale e della frequenza cardiaca nei topi addormentati

Descriviamo un metodo di alto-rendimento di misurazione sonno per mezzo di monitoraggio basato su attività di home-gabbia. Questo metodo offre vantaggi rispetto ai metodi tradizionali basati su EEG. E è convalidata anche per la determinazione della durata totale di sonno e può essere un potente strumento per monitorare il sonno nei modelli del roditore della malattia umana.

Determinazione non invasiva, High-throughput di durata di sonno in roditori

Alterazioni in metaboliti neuroattivi kynurenine pathway (KP) sono implicate nelle malattie psichiatriche. Indagando i risultati funzionali di un alterato kynurenine pathway metabolismo in vivo nei roditori può contribuire a delucidare approcci terapeutici innovativi. L'attuale protocollo combina approcci biochimici e comportamentali per studiare l'impatto di una sfida di chinurenina acuta nei ratti.

Una misura di cromatografia liquida ad alte prestazioni della chinurenina e acido chinurenico: materia biochimica di cognizione e di sonno in ratti

Qui, presentiamo un protocollo per migliorare la qualità dei dati da casa sonno test fornendo un metodo per migliorare le istruzioni attraverso una visita partecipante strutturata. Questo protocollo prevede la realizzazione di un manuale educativo dettagliata con foto per garantire il corretto posizionamento delle apparecchiature.

Sonno di multi-modale Home monitoraggio in adulti più anziani

Questo protocollo fornisce un programma MATLAB compilato open source che genera spettrogrammi multitaper per dati elettroencefalografici.

Programma spettrogramma multitaper basato su computer per dati elettroencefalografici

Qui presentiamo un protocollo che indaga la relazione tra sintomi cognitivi e qualità del sonno in pazienti con disturbo depressivo maggiore. Lo strumento integrato THINC e la polisonnografia sono stati utilizzati per valutare i sintomi cognitivi e la qualità del sonno.

Associazione tra qualità del sonno e sintomi cognitivi in pazienti con disturbo depressivo maggiore

Abbiamo descritto un protocollo per la quantificazione rapida e sensibile della gravità della malattia in modelli murini di atassia cerebellare. Le misure includono dell'arto posteriore stringendo, sporgenza di prova, andatura e cifosi. Questo protocollo discrimina in modo efficace tra individui affetti e non affetti, e rileva la progressione delle persone colpite nel corso del tempo.

Un semplice composito Sistema di punteggio per la valutazione Fenotipo modelli murini di atassia cerebellare

Scopri IntelliSleepScorer, un software con interfaccia grafica per la classificazione automatica delle fasi del sonno nei topi con accuratezza del 95,2%. Include correzioni manuali e visualizzazioni SHAP per spiegare le decisioni del modello.

IntelliSleepScorer, un pacchetto software con uninterfaccia utente grafica per il punteggio automatizzato delle fasi del sonno dei mouse (Video) | JoVE Journal

IntelliSleepScorer, un pacchetto software con un'interfaccia utente grafica per il punteggio automatizzato delle fasi del sonno dei mouse

Esplora altri video