基于猕猴感觉运动皮层的神经元Spike信号分析

news2024/12/25 22:06:58

公开数据集中文版详细描述参考前文:https://editor.csdn.net/md/?not_checkout=1&spm=1011.2124.3001.6192


目录

  • 0. 公开数据集
  • 1. 神经元的raster和PSTH图
    • 1.1 Raster
    • 1.2 PSTH
  • 2. 运动轨迹图 (center_out)
  • 3. 神经元的运动调制曲线 (tuning curve)


0. 公开数据集

  • 网址:Nonhuman Primate Reaching with Multichannel Sensorimotor Cortex Electrophysiology 1
  • Session:" indy_20170124_01 "

1. 神经元的raster和PSTH图

1.1 Raster

神经元的raster图是一种用于可视化神经元活动的图表,它以时间为横轴,每个神经元的不同脉冲或活动事件为纵轴。每个脉冲或事件用一个点或线表示,多个神经元的活动可以在同一个图表中显示,以便比较它们的活动模式。

在这里,我们将猕猴控制光标向一个新出现的target移动的全过程作为一个trial,并且将二维界面划分为8个不同的方向作为不同的condition,神经元的raster图呈现选定神经元在某一个condition下的所有trials的spike活动。具体处理如下:

  • 提取Spike矩阵:我们将神经元全时程的发放率阈值设定为2,然后从原始数据中得到spike矩阵为[n_neuron, n_time]。其中n_neuron代表预处理后的神经元个数,n_time为整个session的所有时间点,这里“spike_array = [138, 147501]”。
  • 划分trials:每一个新的target对应一个trial,由于第一个trial没有规定好的初始位置,所以我们只考虑后486个;同时将360度的二维界面等分为8个方向,即8种不同的conditions。
  • 绘制raster:我们选定138个神经元中的前两个,以new_target出现为原点,最长的trial时长为时间轴右边界,-200 ms的上文信息为左边界;将8个方向作为不同conditions,纵轴为当前condition的所有trials。

神经元1-2的raster图如 Figure 1 所示:

在这里插入图片描述

Figuer 1. Raster. a. 神经元1. b. 神经元2.

1.2 PSTH

PSTH(Peri-Stimulus Time Histogram)图是一种用于显示神经元对特定刺激或事件的响应模式的图表。它以时间为横轴,神经元的活动频率为纵轴,显示在特定时间段内神经元的活动频率。PSTH图通常用于研究神经元对刺激的响应时间和模式。

在这里,我们沿用上一节的数据预处理方式,然后将一个时间段bin大小设为20ms,由于神经信号采样率为250Hz,即一个bin包含5个数据点。我们神经元在单个bin内的所有发放trials个数作为其活动频率的指标,其他设置同raster,最终得到前两个神经元的PSTH图如 Figure 2 所示:

在这里插入图片描述

Figuer 2. PSTH. a. 神经元1. b. 神经元2.

2. 运动轨迹图 (center_out)

神经元的运动轨迹图(center_out)是一种常用的方法来可视化神经元的活动模式。该图可以用来显示神经元在不同中心位置的刺激下的活跃程度。通常,"center_out"图使用极坐标来表示刺激的方向和距离。刺激的中心位置通常位于圆心,而刺激的方向和距离则通过圆周上的点来表示。

在这里,我们绘制了前30个trials的8个不同方向的光标运动轨迹作为center_out图,不同的方向用不同的颜色表示,如 Figure 3 所示:

在这里插入图片描述

Figuer 3. center_out.

3. 神经元的运动调制曲线 (tuning curve)

神经元的调谐曲线(tuning curve)是一种常用的方法来描述神经元对于不同刺激参数(例如方向、频率、强度等)的响应模式。调谐曲线可以展示神经元在不同刺激参数取值下的活动水平。

一般来说,神经元对角度的tuning倾向正弦曲线的形式,所以我们这里采用正弦函数来建模神经元的响应模式。同样地,我们对前两个神经元分别绘制了在位置、速度和加速度上的调谐曲线:

在这里插入图片描述

Figuer 4. Tuning curve. a. 从左到右依次为神经元1的位置、速度、加速度调谐曲线. b. 神经元2组织同a图.

  1. Makin, J. G., O’Doherty, J. E., Cardoso, M. M. B. & Sabes, P. N. (2018). Superior arm-movement decoding from cortex with a new, unsupervised-learning algorithm. J Neural Eng. 15(2): 026010. doi:10.1088/1741-2552/aa9e95 ↩︎

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1199621.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Leetcode100120. 找出强数对的最大异或值 I

Every day a Leetcode 题目来源:100120. 找出强数对的最大异或值 I 解法1:模拟 枚举 2 遍数组 nums 的元素,更新最大异或值。 代码: /** lc appleetcode.cn id100120 langcpp** [100120] 找出强数对的最大异或值 I*/// lc c…

火爆进行中的抖音双11好物节,巨量引擎助5大行业商家开启爆单之路!

抖音双11好物节目前正在火热进行中,进入爆发期,各大商家“好招”频出,都想要实现高速增长。依托“人群、货品、流量”三大优势,巨量引擎一直都是商家生意增长的给力伙伴,在今年的抖音双11好物节,巨量引擎就…

SparkSQL之Catelog体系

按照SQL标准的解释,在SQL环境下Catalog和Schema都属于抽象概念。在关系数据库中,Catalog是一个宽泛的概念,通常可以理解为一个容器或数据库对象命名空间中的一个层次,主要用来解决命名冲突等问题。 在Spark SQL系统中,…

Django基础介绍及HTTP请求

文章目录 Django框架的介绍Django的安装 Django框架开发创建项目的指令Django项目的目录结构URL 介绍视图函数(view)Django 中的路由配置带有分组的路由和视图函数带有命名分组的路由和视图函数 HTTP协议的请求和响应HTTP 请求HTTP 响应GET方式传参POST传递参数form 表单的name…

泉峰控股发布业务白皮书, 释放中国芯片企业要发展成全球领先的信心与决心

近日,多元化芯片全球供应商泉峰控股发布了一份题为《致力于中国芯片产业自立自强》的业务白皮书。白皮书系统阐述了泉峰控股企业发展策略和业务规划,充分体现出中国芯片企业要在全球范围内实现技术突破、市场扩张的信心与决心。 白皮书首先分析了当前全球芯片产业的发展态势。在…

leetcode(力扣) 51. N 皇后 (回溯,纸老虎题)

文章目录 题目描述思路分析对于问题1对于问题2 完整代码 题目描述 按照国际象棋的规则,皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。 n 皇后问题 研究的是如何将 n 个皇后放置在 nn 的棋盘上,并且使皇后彼此之间不能相互攻击。 给你一个整数…

业务出海之服务器探秘

这几年随着国内互联网市场的逐渐饱和,越来越多的公司加入到出海的行列,很多领域都取得了很不错的成就。虽然出海可以获得更加广阔的市场,但也需要面对很多之前在国内可能没有重视的一些问题。集中在海外服务器的选择维度上就有很大的变化。例…

rocksdb中测试工具Benchmark.sh用法(基准、性能测试)

1.首先要安装db_bench工具,这个工具在成功安装rocksdb之后就自动存在了,主要是在使用make命令之后就成功安装了,详情请见我之前的文章 2.确保成功安装db_bench之后,找到安装的rocksdb目录下面的tools文件夹,查看里面是…

怎么改变容易紧张的性格?

容易紧张的性格是比较通俗的说法,在艾森克人格测试中,容易紧张的性格就属于神经症人格,神经质不是神-经-病,而是一种人格特征,这种特征包括:敏感,情绪不稳定,易焦虑和紧张。有兴趣的…

(一)七种元启发算法(DBO、LO、SWO、COA、LSO、KOA、GRO)求解无人机路径规划MATLAB

一、七种算法(DBO、LO、SWO、COA、LSO、KOA、GRO)简介 1、蜣螂优化算法DBO 蜣螂优化算法(Dung beetle optimizer,DBO)由Jiankai Xue和Bo Shen于2022年提出,该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁…

SpringBoot 监控

概述 SpringBoot自带监控功能Actuator&#xff0c;可以帮助实现对程序内部运行情况监控&#xff0c;比如监控状况、Bean加载情况、配置属性、日志信息等。 使用步骤 导入依赖坐标 <dependency><groupId>org.springframework.boot</groupId><artifactI…

HCIA-经典综合实验(一)

经典综合实验&#xff08;一&#xff09; 实验拓扑配置步骤第一步&#xff1a;配置二层VLAN第二步&#xff1a;配置IP地址第三步&#xff1a;配置DHCP服务第四步&#xff1a;配置路由协议OSPF第五步&#xff1a;配置ACLNATTelnet 配置验证测试PC1能不能telnet登录到R1测试所有P…

Leetcode—765.情侣牵手【困难】

2023每日刷题&#xff08;二十七&#xff09; Leetcode—765.情侣牵手 并查集置换环思路 参考自ylb 实现代码 class Solution { public:int minSwapsCouples(vector<int>& row) {int n row.size();int len n / 2;vector<int> p(len);iota(p.begin(), p.…

postman连接数据库

参考&#xff1a;https://blog.csdn.net/qq_45572452/article/details/126620210 1、安装node.js 2、配置环境变量 3、安装xmysql连接数据库cmd窗口输入"npm install -g xmysql"后回车cmd窗口输入"xmysql"后回车,验证xmysql是否安装成功(下图代表安装成功)…

算法通关村第八关-白银挑战二叉树的深度和高度问题

大家好我是苏麟 , 今天说说几道二叉树深度和高度相关的题目 . LeetCode给我们造了一堆的题目&#xff0c;研究一下104、110和111三个题&#xff0c;这三个颗看起来挺像的&#xff0c;都是关于深度、高度的。 最大深度问题 描述 : 二叉树的 最大深度 是指从根节点到最远叶子…

一文读懂微前端

1 语雀文档 https://www.yuque.com/chanwj/vlkwxk/qvpv3kqws5hno3qt?singleDoc# 《微前端》本文使用的参考文档均以链接方式粘贴于文章内&#xff0c;十分感谢~ 2 项目github链接 如果你觉得本文档对你有用&#xff0c;恳请github仓库给个star~https://github.com/OmegaCh…

在ant构建脚本中调用maven的命令

有时候想用maven管理依赖&#xff0c;用ant构建。 在ant的build.xml文件中可以使用exec这个task来调用系统命令&#xff0c;也就可以调用maven的命令。 例如&#xff0c;执行maven的命令mvn dependency:copy-dependencies&#xff0c;可以将项目的依赖提取出来&#xff0c;放…

菜单栏管理软件 Bartender 3 mac中文版功能介绍

​Bartender 3 mac是一款菜单栏管理软件&#xff0c;该软件可以将指定的程序图标隐藏起来&#xff0c;需要时呼出即可。 Bartender 3 mac功能介绍 Bartender 3完全支持macOS Sierra和High Sierra。 更新了macOS High Sierra的用户界面 酒吧现在显示在菜单栏中&#xff0c;使其…

TMSRL

Z是学到的子空间表征 辅助信息 作者未提供代码

红黑树插入节点的模拟实现

要学习红黑树节点的插入那么首先就要了解什么是红黑树&#xff0c;以及红黑树的特点。 红黑树的特点 本来AVL树已经很厉害了&#xff0c;但是红黑树的总体效率略比1AVL树高。高的大体原因。我们先来看一下红黑树和AVL树的区别。 AVL树严格的保证了左子树和右子树的高度差不超…