Name: IntelliSleepScorer, 마우스용 그래픽 사용자 인터페이스가 포함된 소프트웨어 패키지 자동 수면 단계 점수 매기기 (동영상) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: 배우세요 IntelliSleepScorer를 사용하여 마우스 수면 단계를 자동으로 점수 매기는 방법을. 이 GUI 소프트웨어는 95.2% 정확도로 수면 단계를 분석하며 SHAP 값 시각화를 통해 결정 과정을 설명합니다.

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>LightGBM을 사용하는 설치류를 위한 자동화된 수면 단계 점수 매기기 도구

<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>IntelliSleep Scorer 소프트웨어 지원 운영 체제: Windows, Mac 또는 Linux</td></tr><tr><td>Intel Core i7-8550U CPU @ 1.80GHz 1.99GHz; 램: 24GB&nbsp;</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>소프트웨어에 대한 하드웨어 요구 사항: 여기에 나열된 두 Inte Core는 모두 데이터를 처리하는 데 사용되었습니다. 두 하드웨어 모두에 대해 1000Hz로 샘플링된 12시간의 녹음을 처리하는 데 약 10분이 걸립니다. 유사하거나 더 우수한 하드웨어는 비슷하거나 더 나은 성능을 제공합니다.&nbsp; &nbsp;</td></tr><tr><td>인텔 코어 i7-10610U CPU @1.80GHz 2.30GHz; RAM : 16GB</td><td>Intel Corp</td><td>https://www.intel.com/content/www/us/en/products/details/processors/core-ultra.html</td><td>소프트웨어에 대한 하드웨어 요구 사항 : 여기에 나열된 두 Inte Core는 모두 데이터를 처리하는 데 사용되었습니다. 두 하드웨어 모두에 대해 1000Hz로 샘플링된 12시간의 녹음을 처리하는 데 약 10분이 걸립니다. 유사하거나 더 우수한 하드웨어는 비슷하거나 더 나은 성능을 제공합니다.&nbsp; &nbsp;</td></tr><tr><td>LightGBM</td><td>소프트웨어를</td> 교육하는 데 사용된 Microsoft <td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>머신 러닝 기반 알고리즘입니다.&nbsp;</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>IntelliSleep Scorer 소프트웨어 지원 운영 체제: Windows, Mac 또는 Linux</td></tr><tr><td>Windows</td><td>Microsoft</td><td>https://www.microsoft.com/en-in/windows/?r=1</td><td>IntelliSleep Scorer 소프트웨어 지원 운영 체제: Windows, Mac 또는 Linux</td></tr></tbody></table>

intellisleepscorer, 마우스용 그래픽 사용자 인터페이스가 포함된 소프트웨어 패키지 자동 수면 단계 점수 매기기

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

수면 단계 점수 매기기 후 GUI에서 생성되는 세 개의 플롯(SHAP 값이 실행되지 않은 경우 맨 위 플롯만)이 있습니다: 맨 위 플롯은 EEG 및 EMG 채널에 수면 단계 예측의 하이프노그램을 제공합니다. 중간 플롯은 epoch SHAP 값을 나타냅니다. 아래쪽 플롯은 글로벌 SHAP 값을 나타냅니다(그림 1).
수면 단계 예측 하이프노그램 플롯에는 4가지 유형의 데이터가 제시되어 있습니다(그림 2). 맨 윗줄은 예측된 결과입니다. 하단 3개 행은 각각 2개의 EEG 및 1개의 EMG 채널의 원시 데이터입니다. 맨 윗줄에서 주황색은 "Wake" 단계, 파란색은 "NREM" 단계, 빨간색은 각 Epoch의 "REM" 단계를 나타냅니다. 현재 예제 epoch는 1305에 있으며 분홍색 위치 표시줄이 주황색 선과 겹치기 때문에 "Wake" 단계에 있습니다.
그림 3에서 사용자가 수정한 스테이지는 원본 위에 점선으로 표시되어 있습니다. 빨간색 점선은 수면 단계를 나타냅니다.tage가 "Wake"에서 "REM"으로 변경되었습니다.
그림 4에는 예제 파일 1에서 epoch 1305의 예제 결과가 나와 있습니다. Epoch SHAP 플롯의 Y축은 선택한 Epoch에 대해 절대 SHAP 값이 가장 높은 상위 10개 피처를 보여줍니다. x축은 평균 예측과 비교하여 예측에 대한 각 기능의 기여도를 나타내는 SHAP 값을 표시합니다. 양수 SHAP 값은 예측에 대한 양의 기여를 나타내며 그 반대의 경우도 마찬가지입니다. 기능 "emg_abs_max"는 Wake에 대해 매우 긍정적인 epoch 수준 SHAP 값을 가지며, 이는 선택한 epoch의 "emg_abs_max"가 선택한 epoch가 "Wake"로 점수가 매겨질 가능성을 높인다는 것을 나타냅니다(그림 4). 이것은 큰 EMG 진폭이 활동적인 움직임을 의미하여 "웨이크" 단계를 나타내기 때문에 생리학적으로 합리적입니다.
글로벌 SHAP 플롯 예제(그림 5)에서 p-스웜 플롯의 각 점은 하나의 데이터 샘플을 나타냅니다. 플롯의 y축은 500개의 무작위로 샘플링된 Epoch에서 계산된 가장 높은 절대 전역 SHAP 값을 가진 상위 10개 기능을 보여줍니다. x축은 평균 예측과 비교하여 예측에 대한 각 기능의 기여도를 나타내는 SHAP 값을 표시합니다. epoch SHAP 플롯과 달리 전역 SHAP 플롯에는 각 점의 x-값과 점 색상의 강도라는 두 가지 차원이 있습니다. 양수 x축 SHAP 값은 예측에 대한 양의 기여도를 나타내며 그 반대의 경우도 마찬가지입니다. 더 어두운 빨간색을 가진 샘플은 더 높은 기능 값을 갖습니다. 각 기능에 대한 500개 점의 위치와 색상의 상관 관계를 시각적으로 검사함으로써 LightGBM이 각 기능의 값을 기반으로 결정을 내리는 방법을 해석할 수 있습니다. "Wake" 전역 SHAP 플롯에서 "emg_abs_max"에 대한 SHAP 값이 음수에서 양수로 증가함에 따라 점의 색상이 더 어두워집니다. 이는 "Wake"로 예측될 가능성이 높아진 것이 "emg_abs_max"의 증가된 값과 양의 상관 관계가 있음을 나타냅니다. 또한 SHAP 값의 분포가 더 넓은 기능(더 높은 절대 값)이 모델에 의한 예측에 더 많이 기여한다는 점도 주목할 가치가 있습니다. 예를 들어, 전역 NREM SHAP 플롯(그림 5)에는 "eeg2_gamma_delta_ratio" 기능에 대한 광범위한 점들이 퍼져 있습니다. 기능의 SHAP 값이 매우 음수이면 모델이 "NREM" 단계로 점수가 매겨질 가능성이 줄어듭니다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> 그림 1: 1_LightBGM-2EEG 모델을 사용하여 Example-1 EDF/EDF+ 파일에 대한 예측을 실행한 후의 GUI 페이지 개요. 절전 단계 예측과 SHAP 계산 모두 점수가 매겨집니다. 상단 플롯은 수면 단계 예측의 하이프노그램과 함께 EEG 및 EMG 채널을 보여줍니다. 중간 플롯은 epoch SHAP 값을 보여줍니다. 하단 플롯은 글로벌 SHAP 값을 보여줍니다. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> 그림 2: Example-1 EDF/EDF+ 파일의 수면 단계 예측 하이프노그램. 그림에는 4개의 데이터가 표시됩니다. 맨 윗줄은 예측된 결과입니다. 하단 3개 행은 각각 2개의 EEG 및 1개의 EMG 채널의 원시 데이터입니다. 맨 윗줄에서 주황색은 "Wake" 단계, 파란색은 "NREM" 단계, 빨간색은 각 Epoch의 "REM" 단계를 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> 그림 3: Example-1 EDF/EDF+ 파일의 수면 단계 예측 하이프노그램과 사용자 수정 수동 수정. Epoch 1305는 GUI 내에서 절전 단계 수동 수정을 보여주기 위해 "Wake" 단계에서 "REM" 단계로 변경되었습니다. 빨간색 점선은 사용자가 수정한 수면 단계 "REM"을 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> 그림 4: Epoch 1305에서 Example-1 EDF/EDF+ 파일에 대한 웨이크, NREM 및 REM Epoch SHAP 값. Epoch SHAP 플롯의 y축은 선택한 Epoch에 대해 절대 SHAP 값이 가장 높은 상위 10개 피처를 보여줍니다. x축은 평균 예측과 비교하여 예측에 대한 각 기능의 기여도를 나타내는 SHAP 값을 표시합니다. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> 그림 5: Example-1 EDF/EDF+ 파일에 대한 웨이크, NREM 및 REM 글로벌 SHAP 값. p-스웜 플롯의 각 점은 하나의 데이터 표본을 나타냅니다. 플롯의 y축은 500개의 무작위로 샘플링된 Epoch에서 계산된 가장 높은 절대 전역 SHAP 값을 가진 상위 10개 기능을 보여줍니다. x축은 평균 예측과 비교하여 예측에 대한 각 기능의 기여도를 나타내는 SHAP 값을 표시합니다. 전역 SHAP 값의 x축에는 각 점의 x-값과 점 색상의 강도라는 두 가지 차원이 있습니다. 양수 x축 SHAP 값은 예측에 대한 양의 기여도를 나타내며 그 반대의 경우도 마찬가지입니다. 더 어두운 빨간색을 가진 샘플은 더 높은 기능 값을 갖습니다. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

IntelliSleepScorer, 마우스용 그래픽 사용자 인터페이스가 포함된 소프트웨어 패키지 자동 수면 단계 점수 매기기

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

연구

JoVE Journal

Neuroscience

신경과학

이 비디오는 마취된 마우스에 뇌파(EEG) 및 근전도(EMG) 전극 어셈블리를 이식하는 프로토콜을 보여줍니다. 이 프로세스에는 입체 프레임에 마우스를 고정하고, 두개골의 정중선을 절개하고, 전극을 위한 구멍을 뚫고, 신호 기록을 위해 전극 장치를 고정하는 작업이 포함됩니다. 복구 후 기록된 신호를 사용하여 마우스의 수면-절전 모드 해제 동작을 분석합니다.

뇌파 및 근전도 기록을 통한 마우스의 수면 행동 분석

에 유전 및 약리 조작의 효과를 평가하기 위해, 공간 지역화 시간적 지역화, 재생 시간, 속도 및 확률 추정, 위험 평가, 충동 성, 및 정확도와 메모리의 정밀도를 중재 메커니즘의 생리 학적 의미있는 특성을 측정하기위한 완전 자동화 시스템 마우스에있는 인식의 기초 메커니즘.

마우스의 자동화, 정량인지 / 행동 검사 : 유전학, 약리학, 동물인지 및 학부 교육을위한

자유롭게 행동하는 쥐에서 뇌파(EEG)와 근전도(EMG)를 기록하는 것은 행동 및 생리학을 수면 및 각성과 연관시키는 중요한 단계입니다. 본 명세서에 기술된 실험 프로토콜은 마우스에서 EEG 및 EMG 기록을 획득하기 위한 케이블-기반 시스템을 제공한다.

마우스 절전 모드를 측정 등사 기록 절차

여기, 음향 자극에 수면 반응을 조절하는 생쥐의 비 REM 수면의 신경 및 심장 변수의 시간적 역학을 설명하기위한 실험 및 분석 절차를 제시합니다.

수면 마우스의 스펙트럼 파워 및 심박수의 저속 역학 정량화

활동 기반 홈 케이지 모니터링 통해 수 면을 측정 하는 높은 처리량 방법을 설명 합니다. 이 방법은 전통적인 뇌 파 기반 방법에 비해 이점이 있습니다. 그것은 잘 총 수 면 기간 결정에 대 한 유효성을 검사 하 고 인간 질병의 설치류 모델에서 수 면을 모니터링 하는 강력한 도구가 될 수 있습니다.

수 면 기간 설치류의 비 침범 성, 높은 처리량 결정

Kynurenine 통로 (KP) neuroactive metabolites 변경 정신 질병에 연루 됩니다. 변경 된 kynurenine 통로 신진 대사에서 vivo에서 설치류에서의 기능적인 결과 조사 하 고 새로운 치료 접근을 명료 하 게 하는 것을 도울 수 있다. 현재 프로토콜 쥐에 심각한 kynurenine 도전의 영향을 조사 하기 위해 생 화 학적 및 행동 접근을 결합 합니다.

Kynurenine 및 Kynurenic 산의 고성능 액체 크로마토그래피 측정: 생화학 인식 및 쥐에 수 면에 관한

여기, 우리 집 구조 참가자 방문을 통해 지침을 강화 하는 방법을 제공 하 여 테스트에서 데이터의 품질 향상을 위한 프로토콜을 제시. 이 프로토콜 장비의 적절 한 배치를 위해 사진과 함께 단계별로 교육 매뉴얼의 구현을 포함 합니다.

멀티 모달 집 수 면 노인에 모니터링

이 프로토콜은 뇌전도 데이터를 위한 다중 테이퍼 분광을 생성하는 오픈 소스, 컴파일된 MATLAB 프로그램을 제공합니다.

뇌전도 데이터를 위한 컴퓨터 기반 멀티테이퍼 분광 프로그램

여기에서는 주요 우울 장애 환자의 인지 증상과 수면의 질 사이의 관계를 조사하는 프로토콜을 제시합니다. THINC 통합 도구와 수면다원검사를 사용하여 인지 증상과 수면의 질을 평가했습니다.

주요우울장애 환자의 수면의 질과 인지 증상의 연관성

우리는 소뇌 운동 장애의 마우스 모델에서 질병 심각도의 신속하고 민감한 부량을위한 프로토콜을 설명합니다. 조치는 뒷다리 clasping, 레지 테스트, 보행 및 kyphosis가 포함되어 있습니다. 이 프로토콜은 효율적으로 영향 않은 영향을 개인 간의 차별, 그리고 시간이 지남에 따라 영향을받는 개인의 진행을 감지합니다.

소뇌 운동 실조증의 마우스 모델을 평가하기위한 간단한 복합 표현형 점수 시스템

배우세요 IntelliSleepScorer를 사용하여 마우스 수면 단계를 자동으로 점수 매기는 방법을. 이 GUI 소프트웨어는 95.2% 정확도로 수면 단계를 분석하며 SHAP 값 시각화를 통해 결정 과정을 설명합니다.

IntelliSleepScorer, 마우스용 그래픽 사용자 인터페이스가 포함된 소프트웨어 패키지 자동 수면 단계 점수 매기기

더 많은 동영상 탐색