.png){kind=icon}
返回
RealtimeDecoder: A Fast Software Module for Online Clusterless Decoding
.png){kind=icon}
OA
AI
DOI：10.1523/ENEURO.0252-24.2025.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解码算法为理解支持认知过程（如运动控制、学习和回忆）的放电模式提供了强大的工具。当在实时系统背景下实现时，解码器还可根据持续神经活动的表征内容提供反馈，从而让实验者能够检验该内容在驱动下游活动模式和行为中的作用的假设。尽管已开发出多种实时系统，但它们通常采用编译型编程语言实现，使得用户难以快速适应新实验。本文介绍了一个采用广泛使用的Python编程语言编写的软件系统，以促进快速实验。我们的解决方案实现了基于状态空间的无聚类解码算法，适用于在线、实时环境。该并行化应用处理神经数据的时序分辨率为6 ms，且中位计算延迟<50 ms，适用于中大规模（32+四电极）啮齿动物海马体记录，无需进行锋电位排序。它还执行辅助功能，如从局部场电位数据中检测尖波涟漪。即使在解释型语言下，其性能也达到了与采用编译型编程语言的最新解决方案相当的水平。我们在大鼠行为实验中展示了该实时解码器，解码器允许基于解码的海马体空间表征实现闭环神经反馈。总体而言，该系统为实时反馈实验提供了强大且易于修改的工具。
Keyword:
brain-machine interface
hippocampus
learning
memory
real-time neural decoding
期刊
IF:
2.7
论文数:
190
被引数:
7.3K
机构
引用论文
Optimizing for generalization in the decoding of internally generated activity in the hippocampus.png)
Hippocampus
OAAI
HippocampusIF0
OAAI分享收藏Diversity in neural firing dynamics supports both rigid and learned hippocampal sequencesScienceOAAI
ScienceIF0
OAAI分享收藏Hippocampal replay in the awake state: a potential substrate for memory consolidation and retrieval清醒状态下的海马重放: 记忆巩固和检索的潜在底物OAAI
OAAI分享收藏Strengthened Temporal Coordination within Pre-existing Sequential Cell Assemblies Supports Trajectory ReplayNEURONOAAI
NEURONIF15
OAAI分享收藏
查看更多内容