计算尖峰排序指标的Python工具包
项目描述
SpikeMetrics
计算排序单元的质量指标。此模块可以分别对单个epochs计算指标。如果没有指定epochs，则对整个记录计算指标。
基本代码（以及README图像/描述的部分）移植自： https://github.com/AllenInstitute/ecephys_spike_sorting/tree/master/ecephys_spike_sorting/modules/quality_metrics
版权所有2019年。艾伦研究所。保留所有权利。
包含的指标
| 指标 | 图标 | 描述 | 参考 |
|---|---|---|---|
| 尖峰计数 | 一个epochs中的尖峰计数 | ||
| 放电率 | epochs中的平均尖峰率 | ||
| 存在比率 | 尖峰存在的epochs比例 | ||
| 幅度截止值 |  |
基于幅度直方图的漏检率估计 | |
| ISI违规 |  |
恢复期违规率 | |
| 隔离距离 |  |
在指定单元内的尖峰数与指定单元相比属于其他单元的Mahalanobis距离 | Harris等人。神经元32.1（2001）：141-149。 |
| L比率 | 使用马氏距离和卡方逆累积分布函数（假设簇中的尖峰在每个维度上呈正态分布）来找到每个尖峰的簇成员概率。 | 施密特-托尔伯特和雷迪什。《神经生理学》91.5（2004）：2259-2272。 | |
| d' |  |
基于线性判别分析（LDA）的单位之间的分类准确率。 | 希尔等人。（2011）《神经科学》31，8699-9705 |
| 最近邻 |  |
使用最近邻分类的非参数估计单位污染。 | 朱等人。（2017）《神经元》95，1381-1394 |
| 轮廓分数 | 用于量化簇重叠的标准度量 | ||
| 最大漂移 | 记录过程中尖峰位置的最大变化 | ||
| 累积漂移 | 记录过程中尖峰位置的累积变化 |
计算说明
对于基于波形主成分（隔离距离、L比率、d'以及最近邻命中率和误报率）的度量，通常的做法是计算所有单元对的度量并报告“最坏情况”值。我们发现，当比较的单元对之间存在较大的放电率差异时，这往往会导致对污染程度的低估或高估。相反，我们通过从同一组通道上的所有其他单元中子选择尖峰来计算度量，这似乎能更准确地反映隔离质量。我们希望了解这种方法的合理性。
关闭
spikemetrics-0.2.4.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | ffe8798d5ade6ca942b98917d0f5e4b5247508c1d5e023ba348221646ea5d380 |
|
| MD5 | 9e21aa23f04a1364951a3d04c38c79dd |
|
| BLAKE2b-256 | a239a1831bfa6a5ff959f23399687ea953f41bf800fbdab18083d252c67299db |
