记录自神经元细胞的高维数据连通性估计
信号处理
2020-05-15 v1 神经元与认知
摘要
本论文的主要成果是开发了一种称为总脉冲概率边（TSPE）的新型连通性估计方法。基于不同时间尺度下的互相关与边滤波，本文提出该方法并概述了理论框架。TSPE 能够利用记录的动作电位对抑制性与兴奋性连接进行分类。为比较该方法，有必要了解用于连通性估计的最先进算法。经研究，有前景的算法被实现并评估，用于进一步的研究课题，其中包括在阿沙芬堡应用科学大学的 biomems 实验室中。为评估这些算法，使用了硅内（in silico）网络，因其连通性已知。这使得验证我们算法结果的正确性成为可能。因此，首先需要一个生物物理上具有代表性的神经元网络仿真。数据集以不同方式仿真并分析，以开发评估框架。在利用硅内网络成功评估后，体外实验及其分析完成了本项目。
引用
@article{arxiv.2005.07083,
title = {Connectivity estimation of high dimensional data recorded from neuronal cells},
author = {Stefano De Blasi},
journal= {arXiv preprint arXiv:2005.07083},
year = {2020}
}