Name: IntelliSleepScorer, um pacote de software com uma interface gráfica de usuário para mouses Pontuação automatizada do estágio do sono (Vídeo) | JoVE Journal
Uploaded: 2024-11-08T13:20:00.000+00:00
Duration: 4 min 54 s
Description: Aprenda a usar o IntelliSleepScorer para pontuar automaticamente os estágios do sono em camundongos com 95,2% de precisão. Este software com interface gráfica permite correções manuais e visualizações SHAP para explicar as decisões do 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>Ferramenta automatizada de pontuação do estágio do sono para roedores usando 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 operacional de suporte para o software IntelliSleep Scorer: Windows, Mac ou Linux</td></tr><tr><td>CPU Intel Core i7-8550U @ 1,80 GHz 1,99 GHz; Memória 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>Requisito de hardware para o software: Ambos os Inte Core listados aqui foram usados para processar os dados. Leva cerca de 10 minutos para processar 12 h de gravação amostrada a 1000 Hz para ambos os hardwares. Qualquer hardware semelhante ou superior produziria desempenho comparável ou melhor. &nbsp;</td></tr><tr><td>CPU 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>Requisito de hardware para o software: Ambos os Inte Core listados aqui foram usados para processar os dados. Leva cerca de 10 minutos para processar 12 h de gravação amostrada a 1000 Hz para ambos os hardwares. Qualquer hardware semelhante ou superior produziria desempenho comparável ou melhor. &nbsp;</td></tr><tr><td>LightGBM</td><td>Microsoft</td><td>https://lightgbm.readthedocs.io/en/latest/index.html</td><td>algoritmo baseado em aprendizado de máquina que foi usado para treinar o software.</td></tr><tr><td>MacBook Pro</td><td>Apple</td><td>https://www.apple.com/in/macbook-pro/</td> <td>Sistema operacional compatível com o software IntelliSleep Scorer: Windows, Mac ou Linux</td></tr><tr><td>Windows</td><td>Microsoft</td><td>https://www.microsoft.com/en-in/windows/?r=1</td><td>Sistema operacional compatível com o software IntelliSleep Scorer: Windows, Mac ou Linux</td></tr></tbody></table>

intellisleepscorer, um pacote de software com uma interface gráfica de usuário para mouses pontuação automatizada do estágio do sono

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

Existem três gráficos (apenas o gráfico superior se os valores SHAP não forem executados) gerados na GUI após a pontuação do estágio do sono: o gráfico superior apresenta canais de EEG e EMG com um hipnograma de previsão do estágio do sono. O gráfico do meio apresenta valores SHAP de época. O gráfico inferior apresenta valores de SHAP Global (Figura 1).
Existem 4 tipos de dados apresentados no gráfico do hipnograma de previsão do estágio do sono (Figura 2). A linha superior são os resultados previstos. As 3 linhas inferiores são dados brutos de 2 canais de EEG e 1 EMG, respectivamente. Na linha superior, laranja sugere o estágio "Wake", azul sugere o estágio "NREM" e vermelho sugere o estágio "REM" em cada época. A época de exemplo atual é em 1305 e está em um estágio de "Wake" porque a barra de localização rosa se sobrepõe a uma linha de cor laranja.
Na Figura 3, um estágio corrigido pelo usuário é marcado com linhas tracejadas na parte superior do original. A linha tracejada vermelha indica que o estágio de sono foi alterado de "Wake" para "REM".
Na Figura 4, um exemplo de resultado da época 1305 no arquivo de exemplo 1 é mostrado. O eixo Y do gráfico SHAP de época mostra os 10 principais recursos com os valores SHAP absolutos mais altos para a época selecionada. O eixo x mostra os valores SHAP, que indicam a contribuição de cada recurso para a previsão em comparação com a previsão média. O valor SHAP positivo indica uma contribuição positiva para a previsão e vice-versa. O recurso "emg_abs_max" tem um valor SHAP de nível de época muito positivo para Wake, indicando que "emg_abs_max" da época selecionada aumenta a probabilidade de a época escolhida ser pontuada como "Wake" (Figura 4). Isso é fisiologicamente razoável porque uma grande amplitude EMG significa movimentos ativos, indicando assim o estágio "Wake".
No exemplo de gráfico SHAP global (Figura 5), cada ponto no gráfico p-swarm representa uma amostra de dados. O eixo y dos gráficos mostra as 10 principais características com os maiores valores absolutos globais de SHAP calculados a partir de 500 épocas amostradas aleatoriamente. O eixo x mostra os valores SHAP, que indicam a contribuição de cada recurso para a previsão em comparação com a previsão média. Diferente do gráfico SHAP de época, o gráfico SHAP global tem duas dimensões: o valor de x de cada ponto e a intensidade da cor do ponto. O valor SHAP positivo do eixo x indica uma contribuição positiva para a previsão e vice-versa. Amostras com uma cor vermelha mais escura têm valores de recursos mais altos. Ao examinar visualmente as correlações de posição e a cor dos 500 pontos para cada recurso, pode-se interpretar como o LightGBM toma decisões com base nos valores de cada recurso. No gráfico SHAP global "Wake", à medida que os valores SHAP para "emg_abs_max" aumentam de mais negativos para mais positivos, a cor dos pontos fica mais escura. Isso indica que o aumento da probabilidade de ser previsto como "Wake" está positivamente correlacionado com o aumento do valor de "emg_abs_max". Também vale ressaltar que características com distribuições mais amplas de valores SHAP (valores absolutos mais altos) contribuem mais para a previsão pelo modelo. Por exemplo, o gráfico global NREM SHAP (Figura 5) tem uma ampla distribuição de pontos para o recurso "eeg2_gamma_delta_ratio". O valor SHAP altamente negativo do recurso diminui a probabilidade de o modelo ser pontuado como o estágio "NREM".
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66950/66950fig01.jpg"> Figura 1: Visão geral da página GUI após a execução da previsão para o arquivo EDF/EDF+ Example-1 com o modelo 1_LightBGM-2EEG. Tanto a previsão do estágio do sono quanto o cálculo do SHAP são pontuados. O gráfico superior mostra os canais de EEG e EMG com um hipnograma de previsão do estágio do sono. O gráfico do meio mostra os valores SHAP da época. O gráfico inferior mostra os valores SHAP globais. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66950/66950fig02.jpg"> Figura 2: Hipnograma de previsão do estágio do sono do arquivo Example-1 EDF / EDF +. Existem 4 dados apresentados no gráfico. A linha superior são os resultados previstos. As 3 linhas inferiores são dados brutos de 2 canais de EEG e 1 EMG, respectivamente. Na linha superior, laranja sugere o estágio "Wake", azul sugere o estágio "NREM" e vermelho sugere o estágio "REM" em cada época. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66950/66950fig03.jpg"> Figura 3: Hipnograma de previsão do estágio do sono do arquivo EDF / EDF + do Exemplo-1 com correção manual modificada pelo usuário. A época 1305 foi alterada do estágio "Wake" para o estágio "REM" como uma demonstração da correção manual do estágio do sono dentro da GUI. A linha vermelha tracejada indica o estágio de sono modificado pelo usuário "REM". <a href="https://www.jove.com/files/ftp_upload/66950/66950fig03large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66950/66950fig04.jpg"> Figura 4: Valores SHAP de Wake, NREM e REM Epoch para o arquivo EDF/EDF+ Example-1 na Epoch 1305. O eixo y do gráfico SHAP de época mostra os 10 principais recursos com os valores SHAP absolutos mais altos para a época selecionada. O eixo x mostra os valores SHAP, que indicam a contribuição de cada recurso para a previsão em comparação com a previsão média. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66950/66950fig05.jpg"> Figura 5: Valores SHAP globais de ativação, NREM e REM para o arquivo EDF/EDF+ Example-1. Cada ponto no gráfico p-swarm representa uma amostra de dados. O eixo y dos gráficos mostra as 10 principais características com os maiores valores absolutos globais de SHAP calculados a partir de 500 épocas amostradas aleatoriamente. O eixo x mostra os valores SHAP, que indicam a contribuição de cada recurso para a previsão em comparação com a previsão média. O eixo x do valor SHAP global tem duas dimensões: o valor x de cada ponto e a intensidade da cor do ponto. O valor SHAP positivo do eixo x indica uma contribuição positiva para a previsão e vice-versa. Amostras com uma cor vermelha mais escura têm valores de recursos mais altos. <a href="https://www.jove.com/files/ftp_upload/66950/66950fig05large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

IntelliSleepScorer, um pacote de software com uma interface gráfica de usuário para mouses Pontuação automatizada do estágio do sono

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

Neurociência

Este vídeo demonstra um protocolo para implantar um eletrodo de eletroencefalograma (EEG) e eletromiograma (EMG) em um camundongo anestesiado. O processo envolve prender o mouse em uma estrutura estereotáxica, fazer uma incisão na linha média do crânio, fazer furos para os eletrodos e fixar a unidade de eletrodo para gravação de sinal. Após a recuperação, o comportamento sono-vigília do mouse é analisado usando os sinais registrados.

Analisando o comportamento do sono em camundongos por meio de eletroencefalograma e gravações de eletromiograma

Sistema totalmente automatizado para a medição de propriedades fisiologicamente significativas dos mecanismos de mediação de localização espacial, localização temporal duração, taxa e estimativa de probabilidade, avaliação de risco, impulsividade e da exatidão e precisão da memória, a fim de avaliar os efeitos das manipulações genéticas e farmacológicas sobre mecanismos fundamentais da cognição em camundongos.

Automatizada, Quantitative Cognitiva / Screening Comportamental de Ratos: Para Genética, Farmacologia, Cognição Animal e Instrução Graduação

O registro de eletroencefalograma (EEG) e eletromiograma (EMG) em camundongos com comportamento livre é um passo crítico para correlacionar o comportamento e a fisiologia com o sono e a vigília. O protocolo experimental aqui descrito fornece um sistema baseado em cabo para aquisição de gravações de EEG e EMG em camundongos.

Procedimento de gravação Polygraphic para medição Sleep in Mice

Aqui, apresentamos procedimentos experimentais e analíticos para descrever a dinâmica temporal das variáveis ​​neurais e cardíacas do sono não REM em camundongos, que modulam a capacidade de resposta do sono aos estímulos acústicos.

Quantificando a dinâmica infra-lenta do poder espectral e da freqüência cardíaca em ratos dormindo

Nós descrevemos um método de alta produtividade de medição sono por meio de monitoramento de casa-gaiola baseado em atividade. Este método oferece vantagens sobre métodos tradicionais baseados em EEG. Ele é bem validado para a determinação da duração total de sono e pode ser uma ferramenta poderosa para monitorar o sono em roedores modelos de doenças humanas.

Determinação não-invasiva, elevado-throughput da duração do sono em roedores

Alterações em metabólitos neuroativos Quinurenina caminho (KP) estão implicadas em doenças psiquiátricas. Investigar os resultados funcionais de um Quinurenina alterado via metabolismo na vivo em roedores pode ajudar a elucidar as novas abordagens terapêuticas. O protocolo atual combina abordagens bioquímicas e comportamentais para investigar o impacto de um desafio de Quinurenina aguda em ratos.

Uma medida de cromatografia líquida de alta performance da Quinurenina e ácido cinurênico: matéria bioquímica de cognição e sono em ratos

Aqui, apresentamos um protocolo para melhorar a qualidade dos dados de sono em casa testando fornecendo um método para melhorar instruções através de uma visita de participante estruturada. Este protocolo inclui a implementação de um manual de ensino passo a passo com fotos para assegurar a colocação adequada do equipamento.

Multi-Modal casa sono monitoramento em adultos mais velhos

Este protocolo fornece um programa MATLAB compilado de código aberto que gera espectrogramas multitaper para dados eletroencefalográficos.

Programa multitaper spectrograma baseado em computador para dados eletroencefalográficos

Aqui, apresentamos um protocolo que investiga a relação entre sintomas cognitivos e qualidade do sono em pacientes com transtorno depressivo maior. A ferramenta integrada THINC-integrated e a polissonografia foram utilizadas para avaliar os sintomas cognitivos e a qualidade do sono.

Associação entre qualidade do sono e sintomas cognitivos em pacientes com transtorno depressivo maior

Nós descrevemos um protocolo para a quantificação rápida e sensível da gravidade da doença em ratos de ataxia cerebelar. Medidas incluem membro posterior segurando, borda teste de marcha, e cifose. Este protocolo efetivamente discrimina entre os indivíduos afetados e não afetados, e detecta a progressão dos indivíduos afetados ao longo do tempo.

Um sistema simples de pontuação Composite Fenótipo para avaliar modelos de ratos de ataxia cerebelar

Aprenda a usar o IntelliSleepScorer para pontuar automaticamente os estágios do sono em camundongos com 95,2% de precisão. Este software com interface gráfica permite correções manuais e visualizações SHAP para explicar as decisões do modelo.

IntelliSleepScorer, um pacote de software com uma interface gráfica de usuário para mouses Pontuação automatizada do estágio do sono (Vídeo) | JoVE Journal

IntelliSleepScorer, um pacote de software com uma interface gráfica de usuário para mouses Pontuação automatizada do estágio do sono

Explorar mais vídeos