一个全自动的多通道神经尖峰分类算法,具有尖峰减小和定位特征

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:

• 从高密度探测器 (例如Neuropixels) 进行实时神经分类是一个主要的挑战.
• 现有的算法优先考虑准确性而不是速度,限制了实时分类功能.

研究的目的:

• 介绍 图形网络 多通道分类 (GEMsort),一种用于快速神经尖端分类的新算法.
• 为潜在的实时应用实现多通道神经记录的高效处理.

主要方法:

• GEMsort使用图形网络方法进行多通道尖峰分类.
• 它通过选择最大幅度的信号,以创新的方式消除重复的尖峰.
• 记录通道被用作一个额外的特征,用于尖峰差异化.

主要成果:

• GEMsort在合成和实验多通道神经数据上展示了有效的分类.
• 性能与最先进的算法比较,例如Kilosort和Mountainsort.
• 该算法实现了具有竞争力的分类准确性,并大大缩短了处理时间.

结论:

• GEMsort提供了一个快速可扩展的解决方案,用于神经分类.
• 它的设计非常适合在数字电路中实现高速处理.
• 该算法提升了实时神经数据分析的潜力.