神经脉冲流中大规模同步事件的高效发现
神经与进化计算
2010-06-09 v1
摘要
我们解决了从多神经元脉冲序列中发现模式的问题，这些模式能让我们深入了解大脑中使用的多神经元编码，并有助于设计更好的脑机接口。我们关注神经元群的同步放电，因为已证明它们在编码和通信中起主要作用。借助大型电极阵列，现在可以长时间同时记录数百个神经元的放电活动。最近，已开发出高效计数同步放电模式频率的技术。然而，当被观测的神经元数量增加时，这些技术会因可能模式数量的组合爆炸而受到影响，且扩展性不佳。在本文中，我们提出了一种时间数据挖掘方案，克服了其中许多问题。该方案从较小尺寸的频繁模式生成候选模式集，而不对所有可能模式进行计数。此外，我们仅计数某个明确定义的出现子集，这使得过程更加高效。我们通过模拟强调了该方法相对于现有方法的计算优势。我们还提出了评估所发现模式统计显著性的方法。我们仅检测那些重复频率足够高从而具有显著性的模式，从而能够自动确定数据挖掘应用的阈值。最后，我们讨论了这些方法在脑机接口中的实用性。
引用
@article{arxiv.1006.1543,
title = {Efficient Discovery of Large Synchronous Events in Neural Spike Streams},
author = {Raajay Viswanathan and P. S. Sastry and K. P. Unnikrishnan},
journal= {arXiv preprint arXiv:1006.1543},
year = {2010}
}