Accurate Localization of Linear Probe Electrode Arrays across Multiple Brains
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recently developed probes for extracellular electrophysiological recordings have large numbers of electrodes on long linear shanks. Linear electrode arrays, such as Neuropixels probes, have hundreds of recording electrodes distributed over linear shanks that span several millimeters. Because of the length of the probes, linear probe recordings in rodents usually cover multiple brain areas. Typical studies collate recordings across several recording sessions and animals. Neurons recorded in different sessions and animals thus have to be aligned to each other and to a standardized brain coordinate system. Here, we evaluate two typical workflows for localization of individual electrodes in standardized coordinates. These workflows rely on imaging brains with fluorescent probe tracks and warping 3D image stacks to standardized brain atlases. One workflow is based on tissue clearing and selective plane illumination microscopy (SPIM), whereas the other workflow is based on serial block-face two-photon (SBF2P) microscopy. In both cases electrophysiological features are then used to anchor particular electrodes along the reconstructed tracks to specific locations in the brain atlas and therefore to specific brain structures. We performed groundtruth experiments, in which motor cortex outputs are labeled with ChR2 and a fluorescence protein. Light-evoked electrical activity and fluorescence can be independently localized. Recordings from brain regions targeted by the motor cortex reveal better than 0.1-mm accuracy for electrode localization, independent of workflow used.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle