我们考虑检测多神经元棘波序列中具有统计意义的序列模式的问题。这些模式的特征是来自不同神经元的有序棘波序列，棘波之间具有特定的延迟。我们之前提出了一个数据挖掘方案，以有效地发现此类模式，这些模式在数据中经常出现。在这里，我们提出了一种方法来确定这种重复模式的统计意义。我们方法的新颖之处在于，我们使用了一个复合零假设，该假设不仅包括独立神经元的模型，还包括神经元具有弱依赖性的模型。神经元之间的相互作用强度用某些成对条件概率表示。我们通过对所有这些条件概率设置上限来指定我们的无效假设。我们构造了一个概率模型来捕获计数过程，并用它来推导拒绝这种复合零假设的显著性检验。虚假设的结构也允许我们对不同的重要模式进行排序。我们使用模拟器生成的尖峰序列来说明我们的方法的有效性。
