多神经元脉冲序列中时间发放模式的统计显著性

在涉及多个神经元同步记录的许多实验中，观察到了具有固定时间延迟的神经元群串行发放序列的重复出现。此类时间模式可能指示潜在的微环路，因此确定重复出现的模式何时具有统计显著性至关重要。这些序列通常通过相关性计数来识别，例如 Abeles 和 Gerstein 的双带算法（two-tape algorithm）。本文提出了一种判定此类相关性显著性的方法，该方法通过条件概率刻画一个神经元对另一个神经元的影响，并根据条件概率的界限设定零假设。由于在我们的零假设下不假定不同神经元的发放过程是独立的，因此这种检验相关性计数显著性的方法比现有方法更为通用。我们的零假设结构还允许我们根据构成模式的神经元之间的相互作用强度对检测到的模式进行排序。我们在涉及具有强相互作用的非齐次泊松过程的模拟脉冲序列上展示了我们的显著性评估方法，其中相关性计数是使用双带算法获得的。