.png){kind=icon}
返回
Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering
.png){kind=icon}
OA
AI
DOI：10.1002/brb3.70650.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尖峰排序是分离神经系统（nervous system）中由单个神经元（individual neurons）产生的电事件（electrical events）的过程，这些电事件被称为“尖峰”（spikes）。准确的尖峰排序至关重要，因为它显著影响所有未来分析的可靠性。尽管已开发出多种半自动和全自动尖峰排序算法，但其分类准确性往往证明不足。这促使研究人员转而采用手动排序，尽管这种方法耗时且劳动密集。在某些条件下以及对特定神经元群体而言，由于尖峰之间存在视觉上难以区分的相似性，手动排序也可能效率低下。这凸显了开发能够实现高精度的全自动尖峰排序方法的必要性。
Keyword:
optimal features
spectral embedding
spike sorting
uniform manifold approximation and projection (UMAP)
期刊
R
IF:
3.4
论文数:
1.2K
被引数:
530
机构
暂无机构信息
引用论文
A robust spike sorting method based on the joint optimization of linear discrimination analysis and density peaks.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容