SpikeTools:用于神经元网络锋电位分类的软件

摘要

使用多电极阵列可无损的记录神经元网络的电活动,但是单个电极往往会同时记录到多个神经元的活动,因而需要将所记录的信号进行分类.本文通过幅度、形状、主成分等分类方法与聚类方法实现了对锋电位的分类,并在MATLAB平台下编写了相应的可视化软件Spik eTools.对模拟数据的分类结果表明:均有90%以上的锋电位得以正确归类.对实验数据的分类结果表明:阈值分类方法能对幅值有明显区别的锋电位进行合理分类,形状分类方法能对幅值接近的锋电位进行分类,而主成分分类方法区分波形的整体差异,能分离前两种方法难以区别的类;聚类方法可实现自动分类.开发的SpikeTools软件能对各种锋电位群数据进行分类处理,为锋电位信号的分析提供了有力的工具.