A unified framework and method for automatic neural spike identification

شناسایی خودکار پتانسیل های عمل از یک یا چند ضبط الکترود خارج سلولی به طور کلی توسط خوشه بندی بخش های مشابه ردیابی ولتاژ اندازه گیری به دست می آید که یک روش است که موجب می شود (یا نیاز به دخالت انسانی قابل توجهی) برای سنسور هایی که شکل موج ها همپوشانی دارند. ما مشکل را از نظر یک مدل احتمالی ساده تشکیل می دهیم و یک روش یکپارچه برای شناسایی موج های سنبله همراه با برآوردهای مداوم از زمان ورود آنها، حتی در صورت وجود همپوشانی ایجاد می کنیم. به طور خاص، ما از یک الگوریتم اخیر که به عنوان پیگیری پایه پیوسته شناخته می شود برای حل مسائل معکوس خطی استفاده می کنیم که در آن رخدادهای جزئی کمیاب هستند و در زمانهای دلخواه مستمر هستند. ما نشان می دهد بهبود عملکرد قابل توجهی در حال حاضر از پیشرفته روش خوشه بندی برای چهار مجموعه شبیه سازی شده و دو مجموعه داده واقعی با حقیقت زمین، هر کدام از آنها قبلا به عنوان یک معیار برای مرتب سازی سنبله استفاده می شود. علاوه بر این، عملکرد روش ما در هر یک از این مجموعه داده ها از بهترین روش خوشه بندی احتمالی جلوگیری می کند (به عنوان مثال، آن است که به طور خاص به منظور به حداقل رساندن خطاهای در هر مجموعه داده ها بهینه سازی شده است). در نهایت، الگوریتم تقریبا به طور کامل خودکار، با هزینه محاسباتی که به خوبی برای آرایه های چند الکترودهای خوب پوشیده می شود.