在动物中使用单通道脑电图进行自动监控状态分类的开源算法.
Anton Saevskiy1, Natalia Suntsova2,3, Peter Kosenko1
1Scientific Research and Technology Center for Neurotechnology, Southern Federal University, 344006 Rostov-on-Don, Russia.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
这项研究引入了一个Python算法,用于使用EEG数据在动物中自动进行睡眠评分. 这种高效的工具准确地识别了清醒,NREM和REM睡眠阶段,有助于神经学和行为研究.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 睡眠科学 睡眠科学
背景情况:
- 手动的睡眠阶段评分至关重要,但耗时且可变.
- 需要自动化方法来有效分析动物睡眠生理学.
研究的目的:
- 开发和验证一种基于Python的新算法,用于在老鼠和小鼠中自动进行睡眠和觉醒得分.
- 在临床前研究中提高睡眠阶段识别的效率和准确性.
主要方法:
- 使用来自动物的单通道EEG记录.
- 实现了文物处理,多频段频率分析和高斯混合模型 (GMM) 集群.
- 采用多数投票系统,为提高准确性量身定制预处理,特别是用于REM睡眠检测.
主要成果:
- 实现了高的睡眠和清醒状态检测准确度:大鼠92%和小鼠93%.
- 报告的REM睡眠检测准确率为91%的老鼠和89%的小鼠.
- 证明了全天EEG数据的快速处理,比手动评分快得多.
结论:
- 开发的算法为自动动物睡眠评分提供了强大,高效和可扩展的解决方案.
- 这种开源工具促进了大规模和纵向研究的神经科学和行为研究.
- 该算法对涉及衰老,睡眠剥夺和其他实验条件的研究有价值.
