Background: Extracellular recording

Background: Extracellular recordings of multi-unit neural activity have become indispensable in neuro-
science research. The analysis of the recordings begins with the detection of the action potentials (APs),
followed by a classification step where each AP is associated with a given neural source. A feature extrac-
tion step is required prior to classification in order to reduce the dimensionality of the data and the impact
of noise, allowing source clustering algorithms to work more efficiently.
New method: In this paper, we propose a novel framework for multi-sensor AP feature extraction based
on the so-called Matched Subspace Detector (MSD), which is shown to be a natural generalization of
standard single-sensor algorithms.
Results: Clustering using both simulated data and real AP recordings taken in the locust antennal lobe
demonstrates that the proposed approach yields features that are discriminatory and lead to promising
results.
Comparison with existing method(s): Unlike existing methods, the proposed algorithm finds joint spatio-
temporal feature vectors that match the dominant subspace observed in the two-dimensional data
without needs for a forward propagation model and AP templates.
Conclusions: The proposed MSD approach provides more discriminatory features for unsupervised AP
sorting applications.

ผลลัพธ์ (ไทย) 1:

พื้นหลัง: บันทึกสารกิจกรรมประสาทหลายหน่วยได้กลายเป็นขาดไม่ได้ในระบบประสาทการวิจัยวิทยาศาสตร์ การวิเคราะห์ของการบันทึกเริ่มต้น ด้วยการตรวจสอบศักยภาพการดำเนินการ (APs),ตาม ด้วยขั้นตอน classification เกี่ยวข้องกับต้นทางระบบประสาทที่กำหนดแต่ละ AP สกัดเป็นคุณลักษณะ-ขั้นตอนทางการค้าถูกต้องก่อนที่จะ classification เพื่อลดมิติข้อมูลและผลกระทบรบกวน ทำให้อัลกอริทึมระบบคลัสเตอร์ที่เป็นแหล่งในการทำงานเพิ่มเติม efficientlyวิธีใหม่: ในกระดาษนี้ เราเสนอกรอบใหม่สำหรับเซนเซอร์หลาย AP คุณลักษณะแยกตามบนเรียกว่าตรง Subspace จับ (สถาน), ซึ่งจะแสดงเป็น ลักษณะธรรมชาติของอัลกอริทึมเดียว-เซ็นเซอร์ที่มาตรฐานผลลัพธ์: คลัสเตอร์โดยใช้ข้อมูลที่ถูกจำลองและบันทึก AP จริงในสมองกลีบ antennal ตั๊กแตนอธิบายว่า วิธีการเสนอผลตอบแทนคุณสมบัติที่ก่อ และนำไปสู่สัญญาผลลัพธ์ที่เปรียบเทียบกับวิธีที่มีอยู่: แตกต่างจากวิธีที่มีอยู่ finds อัลกอริทึมเสนอร่วม spatio -เวกเตอร์กาลคุณลักษณะที่ตรงกับ subspace โดดเด่นที่สังเกตได้จากข้อมูลสองมิติโดยไม่ต้องการรุ่นเผยแพร่ไปข้างหน้าและแม่ APสรุป: วิธีสถานที่เสนอให้ก่อคุณสมบัติสำหรับ AP ขั่วการประยุกต์ใช้งาน

ผลลัพธ์ (ไทย) 2:

พื้นหลัง: บันทึกนอกของหลายหน่วยกิจกรรมประสาทได้กลายเป็นที่ขาดไม่ได้ใน neuro-
การวิจัยด้านวิทยาศาสตร์ การวิเคราะห์ของการบันทึกเริ่มต้นด้วยการตรวจสอบของศักยภาพการกระทำ (APs) ที่
ตามด้วยขั้นตอน Fi ไอออนจัดประเภทที่ AP แต่ละตัวมีความเกี่ยวข้องกับแหล่งที่มาของระบบประสาทได้รับ คุณลักษณะ extrac-
ขั้นตอนการเป็นสิ่งจำเป็นก่อนที่จะจัดประเภท Fi ไอออนบวกเพื่อลดมิติของข้อมูลและผลกระทบ
ของเสียงที่ช่วยให้ขั้นตอนวิธีการแหล่งที่มาของการจัดกลุ่มในการทำงาน Fi EF มากขึ้นอย่างมีประสิทธิภาพ.
วิธีการใหม่: ในบทความนี้เราจะเสนอกรอบใหม่สำหรับหลาย เซ็นเซอร์ AP สกัดคุณลักษณะตาม
ในสิ่งที่เรียกว่าตรงกันสเปซ Detector (เอ็มเอส) ซึ่งแสดงให้เห็นว่าลักษณะทั่วไปตามธรรมชาติของ
มาตรฐานขั้นตอนวิธีการเดียวเซ็นเซอร์.
ผล: จัดกลุ่มโดยใช้ทั้งข้อมูลจำลองและการบันทึก AP จริงถ่ายในกลีบ antennal ตั๊กแตน
แสดงให้เห็นถึง ว่าวิธีการที่นำเสนอผลตอบแทนถัวเฉลี่ยคุณลักษณะที่มีการเลือกปฏิบัติและนำไปสู่แนวโน้ม
ผล.
เปรียบเทียบกับวิธีการ (s) ที่มีอยู่ซึ่งแตกต่างจากวิธีการที่มีอยู่เสนอ NDS Fi ขั้นตอนวิธีการร่วม spatio-
เวกเตอร์คุณลักษณะชั่วคราวที่ตรงกับสเปซที่โดดเด่นที่สังเกตในข้อมูลสองมิติ
โดยไม่ต้อง ความต้องการในการไปข้างหน้ารูปแบบการขยายพันธุ์และการ AP แม่.
สรุปวิธีการเอ็มเอสที่นำเสนอมีคุณสมบัติพินิจพิเคราะห์มากขึ้นสำหรับ AP ใกล้ชิด
การใช้งานการเรียงลำดับ

ผลลัพธ์ (ไทย) 3:

ความเป็นมาและบันทึกของหลายหน่วยประสาทได้กลายเป็นขาดไม่ได้ใน Neuro - กิจกรรมวิจัยวิทยาศาสตร์ การวิเคราะห์การบันทึกเริ่มต้นด้วยการตรวจหาการศักยภาพ ( APS )ตามด้วยการ classi จึงขั้นตอนที่แต่ละ AP จะเกี่ยวข้องกับระบบประสาทได้รับแหล่งที่มา คุณลักษณะสกัด -ขั้นตอนที่ผ่านจะต้องก่อนที่จะ classi จึงบวกเพื่อลด dimensionality ของข้อมูลและผลกระทบเสียงให้ข้อมูลแหล่งขั้นตอนวิธีในการทำงานมากขึ้น EF จึง ciently .วิธีการใหม่ ในงานวิจัยนี้ เราได้นำเสนอนวนิยายสำหรับ multi-sensor AP คุณลักษณะการสกัดจากบนเรียกว่าจับคู่ได้ตรวจจับ ( เอ็มเอส ) ซึ่งแสดงได้ธรรมชาติทั่วไปของมาตรฐานเดียว เซ็นเซอร์ อัลกอริทึมผลลัพธ์ : การจำลองข้อมูลและบันทึกข้อมูลทั้ง AP จริงจับตั๊กแตน ที่โคนหนวดแสดงให้เห็นว่า วิธีการที่เสนออัตราผลตอบแทนลักษณะที่เลือกปฏิบัติและนำสัญญาผลลัพธ์การเปรียบเทียบกับวิธีการที่มีอยู่ ( s ) : ซึ่งแตกต่างจากวิธีเดิม จึงอยากร่วม spatio - หลักการที่เสนอเวกเตอร์ฟรีเกี่ยวกับคุณลักษณะที่ตรงกับเด่นได้พบในข้อมูลแบบสองมิติโดยไม่ต้องสำหรับรูปแบบการส่งต่อและแม่แบบ APสรุป : เสนอวิธีการจำแนกอัตโนมัติมีคุณสมบัติเพิ่มเติมสำหรับ unsupervised อับการเรียงลำดับงาน