.png){kind=icon}
返回
SpikeSift: a computationally efficient and drift-resilient spike sorting algorithm
.png){kind=icon}
PRE
AI
DOI：doi:10.1088/1741-2552/adee48.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标。锋电位排序是分析细胞外记录的基础步骤，能够实现单神经元活动的分离。然而，由于细胞外信号迹线混合了邻近细胞的重叠锋电位，并受到电极漂移等记录不稳定性的影响，该问题仍然具有挑战性。尽管已提出多种算法，但许多方法在准确性和计算效率之间难以平衡，限制了其对当今大规模数据集的实用性。方法。为应对这一问题，我们引入SpikeSift算法，该算法专门设计用于在标准CPU上运行时缓解漂移。SpikeSift（i）将长记录划分为较短的相对稳定段，（ii）通过每段内的迭代检测-减去方案同时执行锋电位检测和聚类，（iii）通过快速模板对齐阶段跨段保持神经元身份，该阶段无需连续轨迹估计。主要结果。在配对细胞内验证数据集和生物物理上合理的MEAre simulations（涵盖高噪声、多样漂移模式、超短记录和爆发活动）上的广泛验证表明，SpikeSift在单台桌面核心上完成排序的速度比现有最先进方法快一个数量级，同时其准确度与之相当或更高。意义。高保真度、抗漂移能力和适中的计算需求相结合，使SpikeSift易于广泛使用，同时为下游神经生理学分析保留了数据质量。
Keyword:
spike sorting
drift correction
computational efficiency
single-neuron activity
template alignment
期刊
IF:
3.8
论文数:
4.0K
被引数:
1.4W
机构
暂无机构信息
引用论文
The origin of extracellular fields and currents - EEG, ECoG, LFP and spikes细胞外场和电流的起源-EEG，ECoG，LFP和尖峰
OAAI
OAAI分享收藏Evaluation of Spike Sorting Algorithms: Application to Human Subthalamic Nucleus Recordings and Simulations.png)
NeuroscienceOAAI
NeuroscienceIF0
OAAI分享收藏
Fully integrated silicon probes for high-density recording of neural activity用于高密度记录神经活动的完全集成的硅探针NatureOAAI
NatureIF0
OAAI分享收藏分享收藏
查看更多内容