Xenon LFP Analysis Platform is a Novel Graphical User Interface for Analysis of Local Field Potential from Large-Scale MEA Recordings
Notice bibliographique
Résumé
Abstract High-density multi-electrode array (HD-MEA) has enabled neuronal measurements at high spatial resolution to record local field potentials (LFP), extracellular spikes, and network activity with ease. Whilst we have advanced recording systems with over 4000 electrodes, capable of recording data at over 20 kHz, it still presents computational challenges to handle, process, extract, and view information from these large recordings. It can be challenging for researchers to extract and view even a single channel that has more than a billion data points, let alone process a group of channels. We have created a computational method, and an open-source toolkit built on Python, rendered on a web browser using Plotly’s Dash for extracting and viewing the data, and creating interactive visualization. In addition to extracting and viewing entire or small chunks of data sampled at lower or higher frequencies, respectively, it provides a framework to collect user inputs, analyze channel groups, generate raster plots, view quick summary measures for LFP activity, detect and isolate noise channels, and generate plots and visualization in both time and frequency domain. Incorporated into our Graphical User Interface (GUI), we also have created a novel seizure detection method, which can be used to detect the onset of seizures in all or a selected group of channels and provide the following measures of seizures: distance, duration, and propagation across the region of interest. We demonstrate the utility of this toolkit, using datasets collected from the 3Brain BioCAM duplex system. For the current analysis, we demonstrate the toolkit and methods with a low sampling frequency dataset (300 Hz) and a group of approximately 400 channels. Using this toolkit, we present novel data demonstrating increased seizure propagation speed from slices of Scn1aHet mice compared to littermate controls. With advances in HD-MEA recording systems with high spatial and temporal resolution, limited tools are available for researchers to view and process these big datasets. We now provide a user-friendly toolkit to analyze LFP activity obtained from large-scale MEA recordings with translatable applications to EEG recordings, and demonstrate the utility of this new graphic user interface with novel biological findings.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,018 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».