Name: IntelliSleepScorerは、マウス用のグラフィックユーザーインターフェースを備えたソフトウェアパッケージで、睡眠ステージの自動スコアリングが可能です (動画) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: 学ぶIntelliSleepScorerを用いたマウス睡眠ステージの自動スコアリング手法。GUIベースのソフトウェアで95.2%の高精度を達成し、SHAP値による解釈可能性と手動修正機能を提供する。

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>LightGBMを使用したげっ歯類のための自動睡眠ステージスコアリングツール

<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>Scorer https://releases.ubuntu.com/18.04/</td> <td>ソフトウェアIntelliSleep Scorerのサポートオペレーティングシステム:Windows、Mac、またはLinux</td></tr><tr><td>Intel Core i7-8550U CPU @ 1.80 GHz 1.99 GHz;メモリ: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>ソフトウェアのハードウェア要件: ここに記載されている両方の Inte Core がデータの処理に使用されています。両方のハードウェアで 1000 Hz でサンプリングされた 12 時間の録音を処理するのに約 10 分かかります。同等またはより優れたハードウェアは、同等またはそれ以上のパフォーマンスをもたらします。&nbsp;&nbsp;</td></tr><tr><td>Intel Core i7-10610U CPU @ 1.80 GHz、2.30 GHz;RAM:16 GB</td><td>のIntel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>ソフトウェアのハードウェア要件:ここにリストされている両方のInte Coreは、データの処理に使用されています。両方のハードウェアで 1000 Hz でサンプリングされた 12 時間の録音を処理するのに約 10 分かかります。同等またはより優れたハードウェアは、同等またはそれ以上のパフォーマンスをもたらします。&nbsp;&nbsp;</td></tr><tr><td>LightGBM</td><td>Microsoft</td><td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>ソフトウェアのトレーニングに使用された機械学習ベースのアルゴリズム。&nbsp;</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>ソフトウェアIntelliSleep Scorerのサポートオペレーティングシステム:Windows、Mac、またはLinux</td></tr><tr><td>Windows Microsoft</td><td></td><td>https://www.microsoft.com/en-in/windows/?r=1</td><td>ソフトウェアのIntelliSleep Scorerのサポートオペレーティングシステム:Windows、Mac、またはLinux</td></tr></tbody></table>

intellisleepscorerは、マウス用のグラフィックユーザーインターフェースを備えたソフトウェアパッケージで、睡眠ステージの自動スコアリングが可能です

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

睡眠ステージスコアリング後にGUIで生成される3つのプロット(SHAP値が実行されなかった場合は上のプロットのみ)があります:上のプロットは、EEGチャネルとEMGチャネルに睡眠ステージ予測のヒプノグラムを示します。中央のプロットは、エポックSHAP値を示しています。下のプロットは、グローバルSHAPの値を示しています(図1)。
睡眠段階予測催眠術プロットには4種類のデータが表示されます(図2)。一番上の行は予測結果です。下の3行は、それぞれ2つのEEGチャネルと1つのEMGチャネルの生データです。一番上の行では、オレンジ色が「ウェイク」ステージ、青色が「ノンレム」ステージ、赤が各エポックの「レム」ステージを示しています。現在の例のエポックは 1305 年で、ピンクのロケーション バーがオレンジ色の線と重なるため、"航跡" の段階にあります。
図 3 では、ユーザーが修正したステージは、元のステージの上に破線でマークされています。赤い破線は、スリープステージが「ウェイク」から「レム」に変更されたことを示しています。
図 4 に、サンプル ファイル 1 のエポック 1305 の結果の例を示しています。エポックSHAPプロットのY軸は、選択したエポックの絶対SHAP値が最も高い上位10個の特徴量を示しています。X 軸は SHAP 値を示し、平均予測と比較した予測に対する各特徴の寄与度を示します。正の SHAP 値は予測への正の寄与を示し、その逆も同様です。特徴量「emg_abs_max」は、ウェイクに対して非常に正のエポックレベルのSHAP値を持ち、選択したエポックの「emg_abs_max」が、選択したエポックが「ウェイク」としてスコアリングされる可能性が高くなることを示しています(図4)。これは生理学的に合理的であり、大きなEMG振幅は活発な動きを意味し、それによって「ウェイク」ステージを示します。
グローバルSHAPプロットの例(図5)では、p-swarmプロットの各ドットはデータの1つのサンプルを表しています。プロットの Y 軸は、ランダムにサンプリングされた 500 のエポックから計算された、絶対グローバル SHAP 値が最も高い上位 10 個の特徴を示しています。X 軸は SHAP 値を示し、平均予測と比較した予測に対する各特徴の寄与度を示します。エポックSHAPプロットとは異なり、グローバルSHAPプロットには、各ドットのx値とドットカラーの強度の2つの次元があります。正の x 軸 SHAP 値は、予測に対する正の寄与を示し、その逆も同様です。赤色が濃いサンプルは、特徴値が高くなります。各特徴の位置と500ドットの色との相関関係を視覚的に調べることで、LightGBMが各特徴の値に基づいてどのように決定を下しているかを解釈できます。「ウェイク」グローバルSHAPプロットでは、「emg_abs_max」のSHAP値が負の値から正の値に増加すると、ドットの色が暗くなります。これは、「Wake」と予測される可能性の増加が、「emg_abs_max」の値の増加と正の相関があることを示しています。また、SHAP 値の分布が広い (絶対値が高い) 特徴が、モデルによる予測に大きく貢献することも注目に値します。たとえば、グローバルNREM SHAPプロット(図5)には、「eeg2_gamma_delta_ratio」特徴のドットが広く広がっています。特徴の SHAP 値が非常に負の値になると、モデルが "NREM" ステージとしてスコアリングされる可能性が低くなります。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> 図1:Example-1 EDF/EDF+ファイルの予測を1_LightBGM-2EEGモデルで実行した後のGUIページの概要。 睡眠ステージの予測とSHAP計算の両方がスコアリングされます。上のプロットは、脳波と筋電図のチャンネルと睡眠段階の予測の催眠術を示しています。中央のプロットは、エポックSHAP値を示しています。下のプロットは、グローバルSHAP値を示しています。 <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> 図2:Example-1 EDF / EDF +ファイルからの睡眠段階予測催眠術。プロットには4つのデータが表示されています。一番上の行は予測結果です。下の3行は、それぞれ2つのEEGチャネルと1つのEMGチャネルの生データです。一番上の行では、オレンジ色が「ウェイク」ステージ、青色が「ノンレム」ステージ、赤が各エポックの「レム」ステージを示しています。 <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> 図3:Example-1 EDF / EDF +ファイルからの睡眠段階予測催眠術とユーザー修正された手動補正。 エポック1305は、GUI内でスリープステージの手動修正のデモとして、ステージ「ウェイク」からステージ「REM」に変更されました。赤い破線は、ユーザーが修正した睡眠ステージ「REM」を示しています。 <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> 図4:エポック1305でのExample-1 EDF/EDF+ファイルのウェイク、NREM、およびREMエポックSHAP値。 エポックSHAPプロットのy軸は、選択したエポックの絶対SHAP値が最も高い上位10個の特徴量を示しています。X 軸は SHAP 値を示し、平均予測と比較した予測に対する各特徴の寄与度を示します。 <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> 図5:Example-1 EDF/EDF+ファイルのウェイク、NREM、およびREMグローバルSHAP値。 p-swarm プロットの各ドットは、データの 1 つのサンプルを表します。プロットの Y 軸は、ランダムにサンプリングされた 500 のエポックから計算された、絶対グローバル SHAP 値が最も高い上位 10 個の特徴を示しています。X 軸は SHAP 値を示し、平均予測と比較した予測に対する各特徴の寄与度を示します。グローバル SHAP 値の x 軸には、各ドットの x 値とドットの色の強度の 2 つの次元があります。正の x 軸 SHAP 値は、予測に対する正の寄与を示し、その逆も同様です。赤色が濃いサンプルは、特徴値が高くなります。 <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>

IntelliSleepScorerは、マウス用のグラフィックユーザーインターフェースを備えたソフトウェアパッケージで、睡眠ステージの自動スコアリングが可能です

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

神経科学

このビデオは、麻酔をかけたマウスに脳波(EEG)および筋電図(EMG)電極アセンブリを埋め込むためのプロトコルを示しています。このプロセスには、マウスを定位固定装置フレームに固定し、頭蓋骨に正中線を切開し、電極用の穴を開け、信号記録用の電極ユニットを固定することが含まれます。回復後、記録された信号を使用してマウスの睡眠覚醒動作が分析されます。...

脳波および筋電図記録によるマウスの睡眠行動の解析

上の遺伝的および薬理学的操作の影響を評価するために、空間的定位、時間的局在化、持続時間、速度および確率推定を媒介するメカニズムは、リスクアセスメント、衝動性、および記憶の正確さと精度の生理学的に意味のある特性を測定するための完全に自動化されたシステムマウスでの認知の基礎メカニズム。...

マウスの自動化、定量的認知/行動スクリーニング：遺伝学、薬理学、動物認知と学部命令について

自由に行動するマウスの脳波(EEG)と筋電図(EMG)の記録は、行動と生理機能を睡眠と覚醒と関連付けるための重要なステップです。本明細書に記載の実験プロトコルは、マウスにおけるEEGおよびEMG記録を取得するためのケーブルベースのシステムを提供する。...

マウスで睡眠を測定するためのポリグラフ記録手順

ここでは、聴覚刺激に対する睡眠応答性を調節するマウスにおける非レム睡眠の神経および心臓変数の時間的ダイナミクスを記述するための実験的および分析的手順を提示する。...

睡眠中のマウスにおけるスペクトルパワーおよび心拍数の低速ダイナミクスの定量化

睡眠測定活動ベース ホーム ケージの監視の高スループット方法について述べる。このメソッドでは、脳波・...

齧歯動物の睡眠時間の非侵襲的で高スループットの測定

キヌレニンとキヌレン酸の高速液体クロマトグラフィーによる測定: 認知およびラットの睡眠に関する生化学

ホーム睡眠構造化された参加者の訪問を通して指示を強化するメソッドを提供するテストからのデータの品質を向上させるプロトコルを紹介します。このプロトコルには、機器の適切な配置を確保するための写真とステップバイ...

マルチ モーダル ホーム睡眠の高齢者の監視

このプロトコルは、脳波データのマルチテーパ分光を生成するオープンソースのコンパイル済みのMATLABプログラムを提供します。...

脳波データのためのコンピュータベースのマルチテーパースペクトログラムプログラム

ここでは、大うつ病性障害患者の認知症状と睡眠の質との関係を調査するプロトコルを紹介します。THINCを統合したツールと睡眠ポリグラフ検査を使用して、認知症状と睡眠の質を評価しました。...

大うつ病性障害患者における睡眠の質と認知症状との関連

私たちは、小脳性運動失調症のマウスモデルにおける疾患の重症度の迅速かつ高感度定量のためのプロトコルについて説明します。対策は、後肢抱茎の、レッジの試験、歩行や脊柱後などがあります。このプロトコルは、効果的に影響を受けたと非罹患個体を区別し、時間の経過に影響を受ける個人の進行を検出する。...

小脳性運動失調のマウスモデルを評価するための単純な複合表現型のスコアリングシステム

学ぶIntelliSleepScorerを用いたマウス睡眠ステージの自動スコアリング手法。GUIベースのソフトウェアで95.2%の高精度を達成し、SHAP値による解釈可能性と手動修正機能を提供する。

IntelliSleepScorerは、マウス用のグラフィックユーザーインターフェースを備えたソフトウェアパッケージで、睡眠ステージの自動スコアリングが可能です

さらに動画を探す