检测点过程模型残留物通过功率光谱的节奏性尖端
Karin M Cox1,2, Daisuke Kase2,3,4, Taieb Znati1
1Department of Computer Science, University of Pittsburgh, Pittsburgh, Pennsylvania, 15260, United States of America.
bioRxiv : the preprint server for biology
|April 8, 2024
概括
一种新的残留物方法通过选择性地去除尖列车的光谱扭曲来改善神经振荡的检测. 这种方法提高了敏感性,特别是对于稀疏的数据,有助于神经疾病研究.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 信号处理 信号处理
背景情况:
- 神经振荡是神经疾病的关键指标和目标.
- 通过功率光谱密度 (PSD) 检测振荡受到神经元恢复期 (RP) 的光谱扭曲的挑战.
- 现有的混方法对RP扭曲进行了正确的检测,但丢弃了有价值的振荡信息.
研究的目的:
- 调查点过程模型 (PPM) 是否可以实现更有选择性的RP扭曲去除,以改进振荡检测.
- 引入和评估一种用于增强神经振荡识别的新型"残余"方法.
主要方法:
- "剩余"方法根据ISI分布估计了RP持续时间.
- 尖峰列车配备了一个PPM,根据RP窗口内最近尖峰以来的时间来预测尖峰的可能性.
- PSD是从PPM匹配的剩余值计算出来的,提供了经扭曲纠正的信号.
主要成果:
- 在合成数据上,残余方法在分类真与假正振荡功率方面普遍优于混合方法.
- 使用残留物方法观察到更高的灵敏度,特别是在稀疏的尖列车中.
- 在帕金森症子模型中,残留物方法检测出在GPi和VLa.La中显著的α-β振荡 (8-30 Hz) 的发生率更高.
结论:
- 余量方法为准确的神经振荡检测提供了一个有希望的进步.
- 进一步开发这种方法可以显著改善神经疾病模型和神经调节技术.
