利用高阶批判法检测细胞外神经集群记录中的信号

大脑中的信息处理由多个神经群体的协同作用完成。要深入理解此类群体的组织与动态，最佳方式是通过所谓细胞外场电位的宽频颅内记录来研究，其反映了神经元放电以及介观活动，如波、振荡、本征大幅偏转和多单元放电活动。此类信号对于我们理解神经元集群如何编码感觉信息以及此类信息如何在认知背后的大型网络中整合至关重要。上述原理现已被广泛接受，然而从复杂神经数据中提取信息的效能，及其用于增进我们对神经网络理解的程度，关键取决于数学处理步骤——从在含噪迹线中简单检测动作电位，到将先进数学模型拟合到潜在 underlie 信息内部处理的神经信号特异模式（例如神经元间相互作用）。在此，我们提出一种稳健策略，用于检测宽频含噪时间序列（如尖波、锋电位和多单元活动数据）中的信号，该策略仅基于记录数据的内在统计分布。通过使用所谓的高阶批判法（higher criticism）——一种将观测显著性比例与全局零假设下期望比例进行比较的二级显著性检验流程——我们能够在相关含噪时间序列中检测微弱信号，而无需先验滤波、去噪或数据回归。结果证明了该方法在广泛实验条件下的高效性与可靠性，并提示高阶批判法适用于在不对数据进行先验操控的情况下刻画神经元动态。