MétaCan
Menu
Retour à la cohorte
Enregistrement W4408598899 · doi:10.1117/1.jbo.30.s2.s23904

Tetherless miniaturized point detector device for monitoring cortical surface hemodynamics in mice

2025· article· en· W4408598899 sur OpenAlexafffund
Anupam Bisht, Govind Peringod, Linhui Yu, Ning Cheng, Grant R. Gordon, Kartikeya Murari

Notice bibliographique

RevueJournal of Biomedical Optics · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensAlberta Children's HospitalHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCumming School of Medicine, University of CalgaryCMC Microsystems
Mots-clésDetectorBiomedical engineeringOpticsMaterials sciencePoint (geometry)MedicinePhysics

Résumé

récupéré en direct d'OpenAlex

SignificanceSeveral miniaturized optical neuroimaging devices for preclinical studies mimicking benchtop instrumentation have been proposed in the past. However, they are generally relatively large, complex, and power-hungry, limiting their usability for long-term measurements in freely moving animals. Further, there is limited research in the development of algorithms to analyze long-term signals.AimWe aim to develop a cost-effective, easy-to-use miniaturized intrinsic optical monitoring system (TinyIOMS) that can be reliably used to record spontaneous and stimulus-evoked hemodynamic changes and further cluster brain states based on hemodynamic features.ApproachWe present the design and fabrication of TinyIOMS (8 mm×13 mm×9 mm3, 1.2 g with battery). A standard camera-based widefield system (WFIOS) is used to validate the TinyIOMS signals. Next, TinyIOMS is used to continuously record stimulus-evoked activity and spontaneous activity for 7 h in chronically implanted mice. We further show up to 2 days of intermittent recording from an animal. An unsupervised machine learning algorithm is used to analyze the TinyIOMS signals.ResultsWe observed that the TinyIOMS data is comparable to the WFIOS data. Stimulus-evoked activity recorded using the TinyIOMS was distinguishable based on stimulus magnitude. Using TinyIOMS, we successfully achieved 7 h of continuous recording and up to 2 days of intermittent recording in its home cage placed in the animal housing facility, i.e., outside a controlled lab environment. Using an unsupervised machine learning algorithm (k-means clustering), we observed the grouping of data into two clusters representing asleep and awake states with an accuracy of ∼91%. The same algorithm was then applied to the 2-day-long dataset, where similar clusters emerged.ConclusionsTinyIOMS can be used for long-term hemodynamic monitoring applications in mice. Results indicate that the device is suitable for measurements in freely moving mice during behavioral studies synchronized with behavioral video monitoring and external stimuli.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,301
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetNeural dynamics and brain functionTravaux en français237 207