-
题名大规模神经记录的峰电位聚类算法(特邀)
- 1
-
-
作者
徐明亮
李芳媛
马浩然
何飞
-
机构
中国科学技术大学物理学院
中国科学院上海光学精密机械研究所
中国科学院大学
张江实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第6期1-34,共34页
-
文摘
峰电位聚类是指在进行细胞外神经记录时,从神经电极记录中检测、聚类并确认出不同峰电位信号,并以一定的可靠度与假定的不同神经元对应。它是对细胞外神经记录进行预处理分析的基本步骤,也是神经科学中神经解码的首要步骤,更是当前高带宽脑机接口(BCI)的重要研究方向之一。传统峰电位聚类包括峰电位检测、峰电位对齐、特征提取、特征聚类等步骤。当前,随着神经电极数量和密度不断增加,神经记录的规模呈爆炸式增长,这对峰电位聚类算法的效率和精度提出重大挑战。此外,针对现有峰电位聚类算法特征提取和表征能力不强、信噪比低、信息混叠等问题,各种算法增强方案乃至人工智能和大数据峰电位聚类方案应运而生,极大促进了对大脑复杂原理和工作机制的理解。研究首先概述侵入式BCI、神经编解码与峰电位聚类的相关性,接着阐述了各类峰电位聚类算法的原理和一般过程,并探讨了大脑神经信号与具体行为的映射关系与应用,最后展望了未来神经编解码所面临的挑战和发展趋势。
-
关键词
峰电位聚类
侵入式脑机接口
神经编解码
机器学习
深度学习
-
Keywords
spike sorting
invasive Brain-Computer Interface(BCI)
neural encoding and decoding
machine learning
deep learning
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
