陶龙;卡罗琳·E·韦伯。;Arai、Kensuke;尤里·伊登（Uri T.Eden）。 使用标记点过程时间尺度的神经种群模型的通用良好性框架。 （英语） Zbl 1402.92120号 J.计算。神经科学。 45，第2号，147-162（2018）. 总结：任何统计建模程序的一个关键组成部分是评估模型和观测数据之间的良好性的能力。对于单个神经元的棘波序列模型，许多良好性度量依赖于时间缩放定理，并使用缩放的棘波时间评估模型质量。最近，人们对描述单个大脑区域或跨大脑区域神经元群体同时尖峰活动的统计模型越来越感兴趣。经典地，此类模型使用尖峰分类数据来描述已识别神经元之间的关系，但最近使用无聚类建模方法来使用单个模型描述种群活动。在这里，我们对时间尺度定理进行了推广，从而能够对这两类人口模型中的任何一类进行全面的有效性分析。我们使用标记点过程理论对群体尖峰活动进行建模，并表明在正确的模型下，每个尖峰可以单独重新缩放，以在尖峰标记的时间和空间上生成一组均匀分布的事件。在重新缩放后，可以使用多个已确立的良好效果程序和统计测试。我们将这些方法应用于模拟数据和大鼠海马区的真实群体峰值。我们已经通过我们的Github资源库公开了用于本文分析的MATLAB和Python代码，网址是https://github.com/Eden-Kramer-Lab/popTRT网站. 引用于1文件 MSC公司： 92C20美元 神经生物学 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：神经建模;神经群体活动;尖轨列车;菲特之美;时间重新缩放;KS图 软件：空间的;拔管器;Matlab公司;蟒蛇;github;波普特雷 PDF格式BibTeX公司 XML格式引用 \textit{L.Tao}等人，J.Compute。神经科学。45，第2号，147--162（2018；Zbl 1402.92120） 全文： 内政部 OA许可证 参考文献： [1] Arai，K。；Kass，RE，《推断神经尖峰序列中的振荡调制》，《公共科学图书馆·计算生物学》，13，e1005596，（2017）·doi:10.1371/journal.pcbi.1005596 [2] 巴·D。；Temereanca，S。；Brown，EN，使用同时事件多变量点过程模型分析集合神经尖峰活动的算法，计算神经科学前沿，8，6，（2014）·doi:10.3389/fncom.2014.00006 [3] Baddeley，A。；特纳，R。；等。，Spatstat:分析空间点模式的r包，《统计软件杂志》，12，1-42，（2005）·doi:10.18637/jss.v012.2006 [4] 贝伦德罗，JR；Cuevas，A。；Vjosázquez-grand，F.，《检验多元一致性：距离边界法》，《加拿大统计杂志》，34，693-707，（2006）·Zbl 1115.62046号 ·doi:10.1002/cjs.5550340409 [5] 贝伦德罗，JR；Cuevas，A。；Pateiro-López，B.，未知支持情况下的多元一致性检验，统计与计算，22，259-271，（2012）·兹比尔1322.62142 ·doi:10.1007/s11222-010-9222-z [6] 布罗克韦尔，AE；罗哈斯，阿拉巴马州；Kass，R.，通过粒子滤波对运动皮层信号进行递归贝叶斯解码，《神经生理学杂志》，911899-1907，（2004）·doi:10.1152/jn.00438.2003年 [7] 棕色，EN；弗兰克，LM；唐·D。；MC Quirk；Wilson，MA，《神经棘波序列解码应用于大鼠海马位置细胞整体放电模式的位置预测的统计范式》，《神经科学杂志》，18，7411-7425，（1998）·doi:10.1523/JNEUROSCI.18-18-07411.1998 [8] 棕色，EN；Barbieri，R。；文丘拉，V。；卡斯，RE；Frank，LM，时间尺度定理及其在神经尖峰序列数据分析中的应用，神经计算，14，325-346，（2002）·Zbl 0989.62060号 ·doi:10.1162/08997660252741149 [9] 棕色，EN；卡斯，RE；Mitra，PP，《多神经棘波序列数据分析：最新技术和未来挑战》，《自然神经科学》，第7456-461页，（2004）·doi:10.1038/nn1228 [10] 棕色，TC；Nair，MG，点过程多元随机时间变化定理的简单证明，应用概率杂志，25210-214，（1988）·Zbl 0648.60057号 ·doi:10.2307/3214247 [11] 陈，Z。；DF普特里诺；Ghosh，S。；Barbieri，R。；Brown，EN，用稀疏尖峰数据评估神经元集合功能连通性的统计推断，IEEE神经系统与康复工程学报，19，121-135，（2011）·doi:10.1109/TNSRE.2010.2086079 [12] Daley，D.J.和Vere-Jones，D.（2003）。点过程理论简介纽约：Springer·Zbl 1026.60061号 [13] 邓，X。；埃斯坎达尔，EN；Eden，UT，《识别和跟踪帕金森病患者丘脑底核神经尖峰动力学转变的点过程方法》，《混沌：非线性科学跨学科期刊》，23，046102，（2013）·数字对象标识代码：10.1063/1.4818546 [14] 邓，X。；刘，DF；凯·K。；弗兰克，LM；Eden，UT，使用标记点过程过滤器对多单元活动的位置进行无簇解码，神经计算，271438-1460，（2015）·兹比尔1414.92087 ·doi:10.1162/NECO_a_00744 [15] 犹他州伊登；弗兰克，LM；Barbieri，R。；索洛，V。；Brown，EN，用点过程自适应滤波对神经编码进行动态分析，神经计算，16，971-998，（2004）·Zbl 1054.92008年 ·doi:10.1162/089976604773135069 [16] Eden，U.T.、Frank，L.M.、Tao，L.（2018）。使用状态空间模型表征复杂的多尺度神经现象。在动态神经科学（第29-52页）。斯普林格。 [17] 盖尔芬德，AE；Smith，AF，《基于抽样的边际密度计算方法》，《美国统计协会杂志》，85，398-409，（1990）·Zbl 0702.62020号 ·网址：10.1080/01621459.1990.10476213 [18] Geman，S。；Geman，D.，随机松弛、吉布斯分布和图像的贝叶斯恢复，IEEE模式分析和机器智能事务，6721-741，（1984）·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596 [19] 乔治普洛斯，美联社；施瓦茨，AB；Kettner，RE，运动方向的神经元群体编码，《科学》，2331416-1419，（1986）·doi:10.1126/science.3749885 [20] Gerhard，F。；哈斯林格，R。；Pipa，G.，将多元时间尺度定理应用于神经种群模型，神经计算，231452-1483，（2011）·Zbl 1217.92027号 ·doi:10.1162/NECO_a_00126 [21] 黄，Y。；议员布兰登；阿拉巴马州格里芬；哈塞尔莫，ME；Eden，UT，使用点处理过滤器通过t迷宫解码运动轨迹，用于放置大鼠海马区ca1的场数据，神经计算，213305-3334，（2009）·Zbl 1181.92009年 ·doi:10.1162/neco.2009.10-08-893 [22] Jain，A.K.，Xu，X.，Ho，T.K.，肖，F.（2002）。使用最小生成树进行均匀性测试。在2002年第16届模式识别国际会议记录（第4卷，第281-284页）。电气与电子工程师协会。 [23] Johnson，N.和Kotz，S.（1970年）。统计分布——连续单变量分布，第2版。纽约：Wiley·兹比尔0213.21101 [24] 卡斯，RE；文图拉，V.，《尖峰序列概率模型》，《神经计算》，第13期，第1713-1720页，（2001年）·Zbl 0985.92017号 ·doi:10.1162/08997660152469314 [25] 卡斯，RE；文丘拉，V。；Brown，EN，神经元数据分析中的统计问题，《神经生理学杂志》，94，8-25，（2005）·doi:10.1152/jn.00648.2004 [26] Kass，R.E.，Eden，U.T.，Brown，E.N.（2014）。神经数据分析第491卷。斯普林格·Zbl 1404.62002号 [27] 克鲁斯特曼，F。；莱顿，SP；陈，Z。；马萨诸塞州威尔逊（Wilson，MA），利用大鼠海马体中未分类的棘波进行贝叶斯解码，《神经生理学杂志》，111217-227，（2014）·doi:10.1152/jn.01046.2012 [28] Macke，J.H.、Buesing，L.、Cunningham，J.P.、Byron，M.Y.、Shenoy，K.V.、Sahani，M.（2011）。神经群体峰值的经验模型。在神经信息处理系统研究进展（第1350-1358页）。 [29] Merzbach，E。；Nualart，D.，《空间泊松过程和变化时间的表征》，《概率年鉴》，第14期，1380-1390页，（1986年）·Zbl 0615.60047号 ·doi:10.1214/aop/1176992378 [30] Meyer，P.A.（1971年）。演示简化了骑士理论。在概率论与斯特拉斯堡大学（第191-195页）。斯普林格。 [31] Ogata，Y.，地震发生的统计模型和点过程的残差分析，美国统计协会杂志，83，9-27，（1988）·doi:10.1080/01621459.1988.10478560 [32] 帕宁斯基，L。；枕头，J。；Lewi，J.，《神经编码、解码和最佳刺激设计的统计模型》，《大脑研究进展》，165493-507，（2007）·doi:10.1016/S0079-6123（06）65031-0 [33] Paninski，L.、Brown，E.N.、Iyengar，S.、Kass，R.E.（2009）。尖峰列车的统计模型（第278-303页）。神经科学中的随机方法。 [34] Papangelou，F.，点过程预期增量的可积性和尺度的相关随机变化，美国数学学会汇刊，165483-506，（1972）·Zbl 0236.60036号 ·doi:10.1090/S0002-9947-1972-0314102-9 [35] Petrie，A。；Willemain，TR，多维数据一致性检验的实证研究，计算统计与数据分析，64，253-268，（2013）·Zbl 1468.62159号 ·doi:10.1016/j.csda.2013.02.013 [36] 枕头，JW；Shlens，J。；帕宁斯基。；谢尔，A。；Litke，上午；Chichilnisky，E。；Simoncelli，EP，《完整神经元群中的时空相关性和视觉信号》，《自然》，454995-999，（2008）·doi:10.1038/nature07140 [37] Port，S.C.（1994）。应用的理论概率第206卷。威利-国际科学·Zbl 0860.60001号 [38] 普雷罗，MJ；Eden，UT，描述神经活动时间进程的一般似然框架，神经计算，232537-2566，（2011）·Zbl 1231.92024号 ·doi:10.1162/NECO_a_00185 [39] 雷普利，BD，《空间模式建模》，《皇家统计学会杂志》。B系列（方法学），39，172-212，（1977）·Zbl 0369.60061号 [40] Ross，S.M.（1996）。随机过程1996纽约：Wiley·Zbl 0888.60002号 [41] 沙内奇，MM；胡，RC；鲍尔斯，M。；沃内尔，GW；棕色，EN；Williams，ZM，神经群体划分和顺序运动功能的并发脑机接口，自然神经科学，151715-1722，（2012）·doi:10.1038/nn.3250 [42] AC史密斯；Brown，EN，根据点过程观测估计状态空间模型，神经计算，15965-991，（2003）·Zbl 1085.68651号 ·doi:10.1162/089976603765202622 [43] Sodkomkham，D。；Ciliberti，D。；马萨诸塞州威尔逊；Ki，Fukui；森山，K。；努茂，M。；Kloosterman，F.，未分类海马棘波实时贝叶斯编码/解码的核密度压缩，基于知识的系统，94，1-12，（2016）·doi:10.1016/j.knosys.2015.09.013 [44] Srinivasan，L。；犹他州伊登；Willsky，AS；Brown，EN，使用神经信号重建目标导向运动的状态空间分析，神经计算，182465-2494，（2006）·Zbl 1106.92017号 ·doi:10.1162/neco.2006.18.10.2465 [45] 特鲁科洛，W。；犹他州伊登；研究员，MR；多诺霍，JP；Brown，EN，将神经尖峰活动与尖峰历史、神经集成和外源协变量效应关联起来的点过程框架，《神经生理学杂志》，93，1074-1089，（2005）·文件编号：10.1152/jn.00697.2004 [46] Vere-Jones，D。；Schoenberg，FP，重新标定标记点过程，澳大利亚和新西兰统计杂志，46，133-143，（2004）·Zbl 1078.60039号 ·文件编号：10.1111/j.1467-842X.2004.00319.x [47] Wu，S。；Si，A。；Nakahara，H.，《神经领域的人口编码和解码：一项计算研究》，《神经计算》，第14期，第999-1026页，（2002年）·Zbl 0994.92011号 ·doi:10.1162/089976602753633367 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。