تعبیر خواب موش

چندین تلاش برای رفع نیاز به صفحه نمایش پاس اول برای رفتار خواب / بیداری انجام شده است. استورچ و همکارانش از آهن ربا های کوچک کاشته شده به زیر جلدی در موش ها استفاده کرده و فعالیت آنها با حرکت آهنربا نسبت به یک سنسور در زیر قفس تعیین شد (استورچ و همکاران 2004). اگرچه این روش اندازه گیری قابل اعتماد با تفکیک پذیری فعالیت / الگوهای استراحت را ایجاد می کند ، اما باز هم نیاز به مداخله جراحی است. رویکرد غیرتهاجمی توسط Flores و همکاران ، (Flores و همکاران 2007) براساس نظارت بر فعالیت رفتاری از طریق سنسورهای پیزوالکتریک مستقر در کف قفس ایجاد شد (Megens و همکاران 1987) حالت های خواب با استفاده از یک الگوریتم تشخیص الگوی جدید طبقه بندی می شوند تا حرکات منظم مرتبط با تنفس را مشخص کنند ، وقتی حیوان حالت خواب خاصی را بدست می آورد ، در حالی که بیداری با سنبله های دامنه بزرگ در سیگنال پیزوالکتریک مشخص می شود (Flores et al 2007). این سیستم در مقایسه با تجزیه و تحلیل EEG قادر به تشخیص خواب از خواب تا حداکثر 0.95 همبستگی بود. اگرچه این روش برای صفحات پربازده تصفیه شده است (Donohue و همکاران 2008) ، نیاز به تجهیزات تخصصی و نرم افزارهای سفارشی ممکن است کاربرد این روش را محدود کند. پیشرفت بزرگی در زمینه امتیاز دهی به خواب پربار توسط پک و همکارانش در سال 2007 انجام شد ، آنها با استفاده از نظارت تصویری همراه با الگوریتم تشخیص شی برای ارزیابی دوره های عدم تحرک پایدار به عنوان جایگزین خواب EEG / EMG تعریف شده (Pack و همکاران 2007) از آنجا که بسیاری از آزمایشگاه های خواب به طور معمول از ضبط های ویدئویی برای کمک به امتیاز دهی به خواب استفاده می کنند ، این روش بر اساس زیرساخت هایی ایجاد می شود که غالباً در حال انجام است و می تواند برای ارزیابی سایر رفتارهای مرتبط نیز استفاده شود. از همه مهمتر ، آنها تشخیص دادند که دوره های بی تحرکی مداوم seconds40 ثانیه با خواب موش ها ارتباط زیادی دارد. آنها با نظارت بیش از 24 ساعت نشان دادند که 92٪ با ضبط شده های EEG / EMG توافق داشته است (Pack et al 2007).

اگرچه مطالعات توصیف شده در بالا ، شواهد محکمی را نشان می دهد که سنجشهای رفتاری با توان عملیاتی بالا می توانند تعاریف EEG / EMG از خواب را به درستی شناسایی کنند ، اما این روشها برای ارزیابی خواب / بیداری پاس اول به طور گسترده پذیرفته نشده اند. یک توضیح در این مورد ممکن است نیاز به نرم افزار اختصاصی باشد ، و این روش ها را غیرقابل دسترس می کند. علاوه بر این ، این روش ها برای ارزیابی رفتار خواب / بیداری تحت پارادایم های مختلف تجربی (به عنوان مثال دستکاری دارویی و محیطی) تأیید نشده اند. در سالهای اخیر پیشرفتهای عمده ای در زمینه توسعه نرم افزار تجزیه و تحلیل تصویر برای طیف وسیعی از کارهای تجاری و علمی از جمله ارزیابی رفتارهای متعدد در موش ها وجود داشته است (کراولی 2008). در نتیجه ارزیابی کارآیی بالای رفتارهای پیچیده از داده های ویدئویی با استفاده از نرم افزار رفتاری موجود در بازار ، یک راه حل ایده آل برای ارزیابی مقدماتی رفتار خواب / بیداری ارائه می دهد.