在临床前电生理学数据中评分警状态的七个独特的频率配置文件

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 睡眠科学 睡眠科学

背景情况:

• 手动脑电图 (EEG) 评分是耗时的.
• 机器学习和人工智能正在推动EEG分析,但专家验证仍然至关重要.
• 假设:功率频率概况决定了神经元的通信状态.

研究的目的:

• 开发和验证基于定义的警状态频率配置文件的半自动EEG评分方法.
• 建立一个更快,验证的管道,用于识别脑疾病的电生理学生物标志物.

主要方法:

• 定义了七个功能性大脑状态,具有独特的光谱,连贯性,相幅合和激发抑制平衡 (fE/I) 配置.
• 开发了一种半自动的评分方法,需要手动检查清醒睡眠过渡.
• 验证了对alpha指数和FE/I.手动评分的方法.

主要成果:

• 半自动方法证明了可比的α指数和FE/I与手动评分.
• 在数据集和时代长度之间实现了更快的评分时间和稳定状态结果.
• 在缺乏神经素-1α (Nrxn1α) 的小鼠中检测到警觉状态的显著基因型差异,包括缓慢波睡眠的减少.

结论:

• 新的半自动EEG分析管道是高效和验证的.
• 在与自闭症谱系障碍相关的小鼠模型中确定了明显的睡眠架构变化.
• 提供了一个有前途的工具,用于识别与睡眠和E / I平衡相关的翻译电生理学生物标志物.