一个概念验证数值定位机用于神经尖端定位

科学领域:

• 计算神经科学是一种神经科学.
• 信号处理 信号处理
• 优化技术 优化技术

背景情况:

• 尖端定位,从记录的信号中识别神经元的物理位置,可以提高尖端分类的准确性.
• 当前的方法在神经监测中面临着高道数量和数据量方面的挑战.

研究的目的:

• 提出和评估一个新的启发式方法,用于尖端定位.
• 为了将尖峰本地化作为一个正方形不受约束的二进制优化 (QUBO) 问题.
• 为此优化问题评估使用伊辛机器解决方案的可行性.

主要方法:

• 作为一个 QUBO. 制定了尖峰本地化问题.
• 开发了一个模拟伊辛机器的MATLAB解决器来解决QUBO.
• 在一个2D玩具问题上评估了该方法,其中电极和神经元位置之间的距离有所变化.

主要成果:

• 当神经元靠近电极时,可以实现精确的神经元识别.
• 随着搜索区域距离的增加,定位准确性下降到87.5%和75%.
• 通过Ising机器演示了第一个用于尖端定位的QUBO配方及其启发式解决方案.

结论:

• 提出的方法成功地制定和启发性地解决了使用Ising机器的尖端本地化问题.
• 这种方法有可能减少高通道计数可植入的神经监控系统的数据量和功耗.
• 精确的尖峰定位是可行的,特别是在靠近记录电极的神经元.