DREDge:强大的运动校正,用于跨物种高密度细胞外记录

科学领域:

• 系统神经科学 系统神经科学
• 计算神经科学是一种神经科学.
• 神经技术的神经技术

背景情况:

• 高密度微电极阵列对于系统神经科学至关重要.
• 与这些数组相对的大脑运动使数据分析复杂化.
• 现有的方法与杂和非静止的电生理学数据作斗争.

研究的目的:

• 引入DREDge (电子生理学数据的分散注册),这是一种用于强大的运动注册的新算法.
• 通过使用本地场潜在数据实现自动化,高时间分辨率的运动跟踪.
• 为可扩展的电子生理学数据的自动注册提供基础.

主要方法:

• 开发了DREDge算法,用于分散地注册电生理学数据.
• 使用的动作潜力和局部现场潜力数据用于运动估计.
• 在人类手术内,非人类灵长类动物和老鼠 (急性和慢性) 记录中验证了DREDge.

主要成果:

• 在人类记录中,DREDge可靠地恢复了唤起的潜力和单单元尖峰分类.
• 在非人类灵长类动物的几厘米和多个大脑区域中追踪运动.
• 在急性鼠标记录中显著改善了运动校正,特别是在超高密度探针中.
• 在慢性小鼠植入物中,尽管神经活动发生了变化,但在慢性小鼠植入物中实现了稳定的运动跟踪.

结论:

• DREDge为电生理学数据提供自动化,可扩展的运动记录.
• 该算法在各种物种,探测器类型和漂移条件中有效.
• 能够对复杂的神经数据集进行更强大的下游分析.