KIASORT:知识集成自动化尖峰分类用于无几何的神经元跟踪.

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:

• 现代的神经记录需要先进的尖端分类算法.
• 现有的方法与多样化的探头几何形状和复杂的,神经元特定的信号漂移作斗争.
• 目前的漂移模型通常依赖于严格的几何假设和有限的维度.

研究的目的:

• 介绍KIASORT (知识集成自动化尖分类),一种新的无几何形状的尖分类方法.
• 在高密度神经记录中开发一种准确的每神经漂移跟踪方法.
• 提供一个用户友好的平台,用于自动和手动的尖分类.

主要方法:

• KIASORT使用在混合线性-非线性嵌入空间中训练有素的特定频道分类器.
• 它独立地跟踪每个神经元的漂移,不受探头几何的约束.
• 该方法捕获了传统线性方法遗漏的波形特征.

主要成果:

• 生物物理模拟表明,KIASORT纠正了由探头位移引起的神经元特异波形扭曲.
• 在基本真相基准测试中,KIASORT在恢复高质量的神经元件方面显著超过了Kilosort4.
• 该算法在标准CPU上保持了实时性能,并在灵长类动物和鼠标数据上进行了验证.

结论:

• KIASORT为复杂的神经数据的尖端分类提供了强大而准确的解决方案.
• 它的无几何,每神经元漂移跟踪克服了现有方法的局限性.
• 集成的图形界面提供了一个完整和用户友好的尖峰分类平台.