利用频繁情节对神经元网络功能连接性的统计推断

从多神经元数据流中识别大脑活动的时空网络结构是神经科学中最大的挑战之一。一组神经元中精确计时活动的重复模式可能暗示着底层神经组织中的微回路。频繁情节发现是一种时间数据挖掘框架，最近已被证明是一种计算高效的统计此类模式出现次数的方法。在本文中，我们通过建模计数过程，提出了一个确定计数何时具有统计显著性的框架。我们的模型能够直接估计神经元之间功能连接的强度，其分辨率优于先前发表的方法。它还可以用于根据强度对神经元网络中发现的模式进行排序，并开始重建产生尖峰数据的网络的图结构。我们在模拟数据上验证了我们的方法，并展示了在皮层神经元培养物中发现的数据模式的分析结果。