×
费利克斯·弗兰克;米查尔·纳托拉;克莱门斯·鲍塞因;马提亚斯·蒙克。;克劳斯，Obermayer

一种在线尖峰检测和尖峰分类算法，能够瞬时分辨重叠尖峰。 （英语） Zbl 1446.92125号

J.计算。神经科学。 29，第1期，127-148（2010）.
小结：为了分析神经元的合作性，需要用棘波分类方法对来自相邻神经元的同时记录的细胞外信号进行可靠的分类。为此开发了许多算法，但到目前为止，没有一个能够满足一组苛刻的要求。特别是，希望有一种算法能够在线运行，实时检测和分类重叠峰值，并适应非平稳数据。在这里，我们提出了一种组合的尖峰检测和分类算法，它明确地解决了这些问题。我们的方法使用线性滤波器来找到数据的新表示，并以最佳方式提高信噪比。我们引入了一种称为“去融合”的方法，该方法将滤波器输出去相关并提供源分离。最后，应用一组定义明确的阈值，从而实现同时的尖峰检测和尖峰分类。通过加入直接反馈，该算法适用于非平稳数据，因此非常适合于急性记录。我们根据模拟和实验数据评估了我们的方法，包括在大鼠皮层切片上同时进行的细胞内/细胞外记录和清醒行为猕猴前额叶皮层的记录。我们将结果与现有的尖峰检测和尖峰分类方法进行了比较。我们的结论是，在实际信噪比和重叠尖峰的情况下，我们的算法满足所有上述要求，并优于其他方法。

引用于三文件

MSC公司：

92C20美元 神经生物学
92C55 生物医学成像和信号处理

关键词：

实时峰值排序;细胞外多电极记录;四极管录音;FIR滤波器;去融合
PDF格式BibTeX公司 XML格式引用
\textit{F.Franke}等人，《计算杂志》。神经科学。29，第1号，127--148（2010；Zbl 1446.92125）

参考文献：

[1] Lewicki，M.（1998）。棘波分类方法综述：神经动作电位的检测和分类。网络：神经系统中的计算, \(9(4), 53-78\). ·Zbl 0910.92008号
[2] Aksenova，T.I.、Chibirova，O.K.、Dryga，O.A.、Tetko，I.V.、Benabid，A.L.和Villa，A.E.P.（2003）。一种无监督的自动方法，用于分类清醒和自由移动动物的神经元棘波波形。方法,30（2） 178-187年。
[3] Chandra，R.和Optican，L.M.（1997）。在线实时神经网络对多单元单通道记录中动作电位的检测、分类和叠加分辨率。生物医学工程汇刊,44(5), 403-412. doi:10.1109/10.568916。
[4] Eckhorn，R.和Thomas，U.（1993年）。一种将多个微探针插入神经和肌肉组织的新方法，包括纤维电极、细丝、针头和微传感器。神经科学方法杂志,49(3), 175-179.
[5] Fee，M.S.、Mitra，P.P.和Kleinfeld，D.（1996b）。皮层神经元胞外棘波的可变性。神经生理学杂志,76(6), 3823-3833.
[6] Gray，C.M.、Maldonado，P.E.、Wilson，M.和McNaughton，B.（1995）。四足动物显著提高了猫纹状体皮层多单位记录中多个单单位分离的可靠性和产量。神经科学方法杂志,63（1-2），43-54。
[7] Harris，K.D.、Henze，D.A.、Csicsvari，J.、Hirase，H.和Buzsáki，G.（2000年）。通过同时进行细胞内和细胞外测量确定四极棘波分离的准确性。神经生理学杂志,84(1), 401-414.
[8] Hayes，M.H.（1996）。统计数字信号处理与建模纽约：Wiley。
[9] Kim，K.H.和Kim，S.J.（2003）。低信噪比下多单元神经信号记录的无监督分类方法。生物医学工程汇刊,50(4), 421-431. doi:10.1109/TBME.2003.809503。
[10] Hulata，E.、Segev，R.、Ben-Jacob，E.（2002年）。一种基于小波包和香农互信息的尖峰分类检测方法。神经科学方法杂志,117（1） ，1-12。
[11] McGill，K.C.（2002）。叠加动作电位的最佳分辨率。生物医学工程汇刊,49(7), 640-650. doi:10.10109/TBME.2002.100847。
[12] 梅尔文·W（2004）。stap概述。IEEE航空航天和电子系统杂志,19(1), 19-35. doi:10.1109/MAES.2004.1263229。
[13] Obeid，I.和Wolf，P.D.（2004年）。脑机接口应用的尖峰检测算法评估。生物医学工程汇刊,51(6), 905-911. doi:10.10109/TBME.004.826683。
[14] Pouzat，C.、Delescluse，M.、Viot，P.和Diebolt，J.（2004）。通过建模发射统计和与爆炸相关的峰值振幅衰减来改进峰值排序：马尔可夫链蒙特卡罗方法。神经生理学杂志,91(6), 2910-2928. doi:10.1152/jn.00227.2003。
[15] Robinson，E.A.和Treitel，S.（1980）。地球物理信号分析恩格尔伍德悬崖：普伦蒂斯·霍尔
[16] Rebrik，S.、Wright，B.、Emondi，A.和Miller，K.D.（1999）四极体记录中的跨通道相关性：尖峰排序的含义。神经计算,2627, 1033-1038.
[17] Sakurai，Y.和Takahashi，S.（2006年）。工作记忆任务中猴子前额叶皮层放电的动态同步性。神经科学杂志,26(40), 10141-10153. doi:10.1523/JNEUROSCI.2423-06.2006。
[18] Shoham，S.、Fellows，M.R.和Normann，R.A.（2003年）。使用多元t分布的混合物进行稳健的自动峰值排序。神经科学方法杂志,127(2), 111-122.
[19] Takahashi，S.、Anzai，Y.和Sakurai，Y..（2003年）。在存在重叠棘波的情况下，对用河豚记录的多神经元活动进行自动分类。神经生理学杂志,89(4), 2245-2258. doi:10.1152/jn.00827.2002。
[20] 高桥S.、樱井Y.、筑田M.和安仔Y.（2002）。使用独立成分分析对神经活动进行分类。神经计算,49, 289-298.
[21] Thakur，P.H.、Lu，H.、Xiao，S.S.和Johnson，K.O.（2007年）。细胞外记录中神经动作电位的自动优化检测和分类。神经科学方法杂志,162(1-2), 364-376. doi:10.1016/j.jneumeth.2007.01.023。
[22] Vollgraf，R.和Obermayer，K.（2006年）。改进的最佳线性滤波器，用于尖峰分类应用中多通道波形模板的识别。IEEE信号处理信件,13(3), 121-124. doi:10.1109/LSP.2005.862621。
[23] Vollgraf，R.，Munk，M.，Obermayer，K.（2005）。多站点电极记录尖峰分类的最佳滤波。网络,16(1), 85-113.
[24] Wu，W.、Wheeler，D.W.、Staedtler，E.S.、Munk，M.H.J.和Pipa，G.（2008）。行为表现调节猴子前额叶皮层的棘波场一致性。神经报告,19（2） ，第235-238页。doi:10.1097/WNR.0b013e3282f49b29。
[25] Wang，G.L.，Zhou，Y.，Chen，A.H.，Zhang，P.M.，&Liang，P.J.（2006）。一种具有自动重叠分解的稳健尖峰排序方法。生物医学工程汇刊,53(6), 1195-1198. doi:10.1109/TBME.2006.873397。
[26] 张，P。
[27] Xu，R.，Wunsch，I.D.（2005）。聚类算法综述。IEEE神经网络汇刊,16(3), 645-678. doi:10.1109/TNN.2005.845141。
[28] Vargas Irwin，C.和Donoghue，J.P.（2007）。使用密度网格轮廓聚类和减法波形分解的自动尖峰排序。神经科学方法杂志,164（1） ，1-18。doi:10.1016/j.neumeth.2007.03025。
[29] Turin，G.（1960年）。匹配过滤器简介。IRE信息理论汇刊, \(6(3), 311-329\). doi:10.1109/TIT.1960.1057571。
[30] Takahashi，S.和Sakurai，Y.（2005年）。亚毫秒相互作用下多神经元活动的实时自动分类体内.神经科学,134(1), 301-315. doi:10.1016/j.neuroscience.2005.03.031。
[31] Rutishauser，U.、Schuman，E.M.和Mamelak，A.N.（2006年）。在线检测和分类人类内侧颞叶记录中细胞外记录的动作电位，体内.神经科学方法杂志,154(1-2), 204-224. doi:10.1016/j.jneumeth.2005.12.033。
[32] Pouzat，C.、Mazor，O.和Laurent，G.（2002）。使用噪声特征优化峰值分类并评估神经元分类质量。神经科学杂志,122(1), 43-57.
[33] O'Keefe，J.和Recce，M.L.（1993）。海马位置单位和脑电图θ节律之间的相位关系。海马, \(3(3), 317-330\). doi:10.1002/hipo.450030307。
[34] Mtewa，N.和Smith，L.（2006年）。神经元棘波检测中的平滑和阈值化。神经计算,69(10-12), 1366-1370.
[35] 费，M.S.，米特拉。P.P.和Kleinfeld，D.（1996年a）。在存在各向异性和非高斯变异性的情况下，多单元神经元信号的自动分类。神经科学方法杂志,69(2), 175-188. doi:10.1016/S0165-0270（96）00050-7。
[36] 丁伟（Ding，W.）和袁杰（Yuan，J.）（2008）。基于叠加分辨率的多类支持向量机的峰值排序。医学生物工程与计算,46(2), 139-145. doi:10.1007/s11517-007-0248-0。
[37] Delescluse，M.和Pouzat，C.（2006年）。使用脉冲间隔信息对多状态神经元进行有效的脉冲排序。神经科学方法杂志,150(1), 16-29. doi:10.1016/j.neumeth.2005.023。
[38] Choi，J.H.，Jung，H.K.和Kim，T.（2006年）。使用mteo的新型动作电位检测器及其在低信噪比下对棘波分类系统的影响。生物医学工程汇刊,53(4), 738-746. doi:10.1109/TBME.2006.870239。
[39] Cham，J.G.、Branchaud，E.A.、Nenadic，Z.、Greger，B.、Andersen，R.A.和Burdick，J.W.（2005）。用于自动隔离和维持最佳细胞外动作电位的半电子电动微驱动和控制算法。神经生理学杂志,93(1), 570-579. doi:10.1152/jn.00369.2004。
[40] Branchaud，E.、Burdick，J.和Andersen，R.（2006）。细胞外记录中神经元自主分离的算法。在程序。2006年第一届IEEE/RAS-EMBS生物医学机器人和生物机电一体化国际会议（第939-945页）。doi:10.1109/BIOROB.2006.1639212。
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。