轴突速度

Python中用于从细胞外多电极阵列（MEA）记录重建轴突分支和计算速度的基于图的算法。

安装

要安装axon_velocity包，您可以克隆存储库并使用pip进行安装

pip install axon_velocity

从源安装

git clone https://github.com/alejoe91/axon_velocity.git
cd axon_velocity
python setup.py install (or develop)

要求

axon_velocity依赖于以下包，这些包会自动安装

• numpy
• matplotlib
• scipy
• networkx
• sklearn
• MEAutility
• probeinterface

对于simulation_notebooks文件夹中的模拟笔记本，需要额外的需求

• NEURON
• LFPy
• neuroplotlib

所有额外需求都可以使用以下命令安装：pip install -r requirements_fill.txt

用法

跟踪算法的输入为

• 模板：平均细胞外波形（n_channels x n_samples）
• 位置：电极的x-y位置（n_channels x 2）
• fs：采样频率（浮点数）

可以使用以下方式运行基于图的算法

import axon_velocity as av

gtr = av.compute_graph_propagation_velocity(template=your_template, locations=your_locations, fs=fs)

要检查可用参数，可以使用av.compute_graph_propagation_velocity?。

输出gtr是名为GraphAxonTracking的类的一个对象。它包含以下字段

• branches：包含以下字段的字典列表
  • 'selected_channels'：路径中选定的通道
  • 'velocity'：速度估计（mm/s）（如果位置在um且fs在Hz）
  • 'offset'：速度估计的偏移（与位置相同单位）
  • 'r2'：速度拟合的r平方
  • 'error'：线性拟合的标准误差
  • 'pval'：拟合的p值
  • 'distances'：沿着分支计算的距离数组
  • 'peak_times'：与初始通道的峰值差异数组
  • 'init_channel'：用作初始通道的通道
• selected_channels：选定通道列表
• graph：NetworkX 有向图

GraphAxonTracking 还实现了用于绘制选定通道的有用方法（gtr.plot_channel_selection()），绘制底层图（gtr.plot_graph()），绘制选定的轴突分支（gtr.plot_branches()），以及绘制每个分支的估计速度（gtr.plot_velocities()）。

贡献

欢迎贡献！在推送之前，请确保使用 nbconvert 清理所有笔记本。

pip install nbconvert （只需一次）

jupyter nbconvert --to notebook --ClearOutputPreprocessor.enabled=True --ClearMetadataPreprocessor.enabled=True --inplace **/*.ipynb （在提交之前）