MétaCan
Menu
Retour à la cohorte
Enregistrement W4416102996 · doi:10.1016/j.crmeth.2025.101221

High-speed neural imaging with multiplexed miniaturized two-photon microscopy

2025· article· en· W4416102996 sur OpenAlexfundno aff
Zixiao Zhang, Shing-Jiuan Liu, Ben Mattison, J. Muir, Noah Spurr, Christina K. Kim, Weijian Yang

Notice bibliographique

RevueCell Reports Methods · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Eye InstituteNational Institute of Neurological Disorders and StrokeNational Institute of Mental HealthCanadian Institutes of Health ResearchBurroughs Wellcome FundNational Science Foundation
Mots-clésFrame rateMicroscopeMultiplexingCalcium imagingPopulationMicroscopyNeural activityImage resolution

Résumé

récupéré en direct d'OpenAlex

Head-mounted miniaturized two-photon microscopes enable cellular-resolution recording of neural activity deep in the mouse brain during unrestrained behavior. Two-photon microscopy, however, is traditionally limited in frame rate by the necessity of scanning the excitation beam over a large field-of-view (FOV). Here, we present two types of multiplexed miniaturized two-photon microscopes (M-MINI2Ps) that preserve spatial resolution while increasing frame rate by simultaneously imaging two FOVs and demixing them temporally or computationally. We demonstrate large-scale (500 × 500 μm 2 FOV) multiplane calcium imaging in visual and prefrontal cortices of freely moving mice during spontaneous exploration, social behavior, and auditory stimulus. The increased speed of M-MINI2Ps also enables two-photon voltage imaging at 400 Hz over a 380 × 150 μm 2 FOV in freely moving mice. With compact footprints and compatibility with the open-source MINI2P, M-MINI2Ps enable high-speed recording of rapid neural dynamics and large-volume population activity in freely moving mice, providing a powerful tool for systems neuroscience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,334
Écart entre enseignants0,316 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell Reports MethodsMême sujetNeural dynamics and brain functionTravaux en français237 207