L-Sort：基于高效中位数-中位数检测与基于位置的聚类的片内脉冲排序
信号处理
2025-01-31 v1
摘要
脉冲排序是从 extracellular 记录中解码大规模神经活动的关键过程。神经探针的发展促进了记录大量神经元的能力，增加了通道数量，带来更高的数据卷数并挑战现有的片上脉冲排序器。本文引入 L-Sort，一种新型片上脉冲排序解决方案，特点是中位数-中位数脉冲检测和基于位置的聚类。通过结合中位数-中位数近似方法和提出的增量中位数计算方案，我们的检测模块实现了内存消耗的降低。此外，基于位置的聚类利用几何特征而非形态特征，从而消除了用于提取脉冲波形期间存储波形的内存消耗型缓冲区。使用 Neuropixels 数据集进行评估显示，L-Sort 在保持可竞争的排序准确性的同时，显著降低了硬件资源消耗。FPGA 和 ASIC（180 nm 技术）实现显示，在相同准确性下，相较于采用相同数据集评估的最新设计，具有显著的面积和功耗效率提升。若按 22 nm 技术标准化，本设计可实现大约 的面积和功耗效率，准确性相似。因此，L-Sort 是实现可植入设备中实时、高通道计数神经处理的有前景的解决方案。
引用
@article{arxiv.2501.17885,
title = {L-Sort: On-chip Spike Sorting with Efficient Median-of-Median Detection and Localization-based Clustering},
author = {Yuntao Han and Yihan Pan and Xiongfei Jiang and Cristian Sestito and Shady Agwa and Themis Prodromakis and Shiwei Wang},
journal= {arXiv preprint arXiv:2501.17885},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2406.18425