Name: Ein Visual Guide to Sortierung elektrophysiologischen Ableitungen Mit SpikeSorter (Video) | JoVE Journal
Uploaded: 2017-02-10T15:00:00.000+00:00
Duration: 10 min 31 s
Description: Lernen Sie SpikeSorting in der Elektrophysiologie mit SpikeSorter für extrazelluläre Ableitungen aus Nervengewebe. Diese Methode vereinfacht die Analyse neuronaler Aktivitäten für Anfänger und Experten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Wir danken den Einzelpersonen und Gruppen, die SpikeSorter verwendet haben und die Anfragen zur Unterstützung des Dateiformats sowie Vorschläge und Feedback zur Verbesserung des Dateiformats eingereicht haben. Dazu gehören Youping Xiao, Felix Fung, Artak Khachatryan, Eric Kuebler, Curtis Baker, Amol Gharat und Dongsheng Xiao. Wir danken Adrien Peyrache für die falsch positiven und negativen Zahlen, die in den "Repräsentativen Ergebnissen" angegeben wurden.

<ol><li>Buzsáki, G. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15114356">Large-scale recording of neuronal ensembles.</a> Nat. Neurosci. 7, 446-451 (2004).</li>
<li>Blanche, T. J., Spacek, M. A., Hetke, J. F., Swindale, N. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Polytrodes%3A+High+Density+Silicon+Electrode+Arrays+for+Large+Scale+Multiunit+Recording%5BTitle%5D)+AND+%22J.+Neurophys%22%5BJournal%5D)">Polytrodes: High Density Silicon Electrode Arrays for Large Scale Multiunit Recording.</a> J. Neurophys. 93, 2987-3000 (2005).</li>
<li>Lewicki, M. S. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/10221571">A review of methods for spike sorting: the detection and classiﬁcation of neuronal action potentials.</a> Network. 9, R53-R78 (1998).</li>
<li>Letelier, J. C., Weber, P. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+based+on+discrete+wavelet+transform+coefficients%5BTitle%5D)+AND+%22J.+Neurosci.+Methods%22%5BJournal%5D)">Spike sorting based on discrete wavelet transform coefficients.</a> J. Neurosci. Methods. 101, 93-106 (2000).</li>
<li>Quiroga, R. Q., Nadasdy, Z., Ben-Shaul, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unsupervised+spike+detection+and+sorting+with+wavelets+and+superparamagnetic+clustering%5BTitle%5D)+AND+%22Neural+Computation%22%5BJournal%5D)">Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering.</a> Neural Computation. 16, 1661-1687 (2004).</li>
<li>Franke, F., Natora, M., Boucsein, C., Munk, M., Obermayer, K. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/19499318">An online spike detection and spike classiﬁcation algorithm capable of instantaneous resolution of overlapping spikes.</a> J. Comput. Neurosci. 29, 127-148 (2010).</li>
<li>Jäckel, D., Frey, U., Fiscella, M., Franke, F., Hierlemann, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applicability+of+independent+component+analysis+on+high-density+microelectrode+array+recordings%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Applicability of independent component analysis on high-density microelectrode array recordings.</a> J. Neurophysiol. 108, 334-348 (2012).</li>
<li>Rossant, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+for+large%2C+dense+electrode+arrays%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Spike sorting for large, dense electrode arrays.</a> Nature Neuroscience. 19, 634-641 (2016).</li>
<li>Vandecasteele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large-scale+recording+of+neurons+by+movable+silicon+probes+in+behaving+rodents%5BTitle%5D)+AND+%22JoVE%22%5BJournal%5D)">Large-scale recording of neurons by movable silicon probes in behaving rodents.</a> JoVE. (61), e3568(2012).</li>
<li>Schjetnan, A. G. P., Luczak, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recording+large-scale+neuronal+ensembles+with+silicon+probes+in+the+anesthetized+rat%5BTitle%5D)+AND+%22JoVE%22%5BJournal%5D)">Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat.</a> JoVE. (56), e3282(2011).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+sorting+for+polytrodes%3A+a+divide+and+conquer+approach%5BTitle%5D)+AND+%22Frontiers+in+Systems+Neuroscience%22%5BJournal%5D)">Spike sorting for polytrodes: a divide and conquer approach.</a> Frontiers in Systems Neuroscience. 8, 1-21 (2014).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spike+detection+methods+for+polytrodes+and+high+density+microelectrode+arrays%5BTitle%5D)+AND+%22J.+Comput.+Neurosci%22%5BJournal%5D)">Spike detection methods for polytrodes and high density microelectrode arrays.</a> J. Comput. Neurosci. 38, 249-261 (2015).</li>
<li>Swindale, N. V., Spacek, M. A. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/26875661">Veriﬁcation of multichannel electrode array integrity by use of cross-channel correlations.</a> J. Neurosci. Meth. 263, 95-102 (2016).</li>
<li>Fukunaga, K., Hostetler, L. D. <a target="_blank" href="http://ieeexplore.ieee.org/document/1055330/">The estimation of the gradient of a density function, with applications in pattern recognition.</a> IEEE Transactions on Information Theory (IEEE). 21, 32-40 (1975).</li>
<li>Mitelut, C., et al. Standardizing spike sorting: an in vitro, in silico and in vivo study to develop quantitative metrics for sorting extracellularly recorded spiking activity. Soc. Neurosci. Abstr. 598 (10), (2015).</li>
<li>Hazan, L., Zugaro, M., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Klusters%2C+NeuroScope%2C+NDManager%3A+A+free+software+suite+for+neurophysiological+data+processing+and+visualization%5BTitle%5D)+AND+%22J.+Neurosci.+Meth%22%5BJournal%5D)">Klusters, NeuroScope, NDManager: A free software suite for neurophysiological data processing and visualization.</a> J. Neurosci. Meth. 155, 207-216 (2006).</li>
<li>Harris, K. D., Henze, D. A., Csicsvari, J., Hirase, H., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+of+tetrode+spike+separation+as+determined+by+simultaneous+intracellular+and+extracellular+measurements%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements.</a> J. Neurophysiol. 84, 401-414 (2000).</li>
<li>Anastassiou, C. A., Perin, R., Buzsáki, G., Markram, H., Koch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cell-type+and+activity+dependent+extracellular+correlates+of+intracellular+spiking%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Cell-type and activity dependent extracellular correlates of intracellular spiking.</a> J. Neurophysiol. 114, 608-623 (2015).</li>
<li>Wohrer, A., Humphries, M. D., Machens, C. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Population-wide+distributions+of+neural+activity+during+perceptual+decision-making%5BTitle%5D)+AND+%22Prog.+Neurobiol%22%5BJournal%5D)">Population-wide distributions of neural activity during perceptual decision-making.</a> Prog. Neurobiol. 103, 156-193 (2013).</li>
<li>Mizuseki, K., Buzsáki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preconfigured%2C+skewed+distribution+of+firing+rates+in+the+hippocampus+and+entorhinal+cortex%5BTitle%5D)+AND+%22Cell+Reports%22%5BJournal%5D)">Preconfigured, skewed distribution of firing rates in the hippocampus and entorhinal cortex.</a> Cell Reports. 4, 1010-1021 (2013).</li>
<li>Schmitzer-Torbert, N., Jackson, J., Henze, D., Harris, K., Redish, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+measures+of+cluster+quality+for+use+in+extracellular+recordings%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Quantitative measures of cluster quality for use in extracellular recordings.</a> Neuroscience. 131, 1-11 (2005).</li>
<li>Barnett, A. H., Magland, J. F., Greengard, L. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validation+of+neural+spike+sorting+algorithms+without+ground-truth+information%5BTitle%5D)+AND+%22J.+Neurosci.+Meth%22%5BJournal%5D)">Validation of neural spike sorting algorithms without ground-truth information.</a> J. Neurosci. Meth. 264, 65-77 (2016).</li>
</ol>

Die Autoren haben nichts offenzulegen.

Dateiformate Derzeit unterstützte Dateiformate sind Neuralynx (.ntt und .ncs), Plexon (.plx), Neuroscope (.xml + .dat), Mehrkanal- Anlagen (.mcd), Blackrock (.nev) und Intan (.rhd). Für nicht unterstützte Formate, gibt es zwei Möglichkeiten. Eine davon ist der Zugabe des Dateiformats auf eine bevorstehende Freilassung zu fordern (E-Mail-Link an den Entwickler wird in der mitgelieferten &quot;Hilfe - Über&quot; Dialog). Die andere ist die Datei in ein unterstütztes Format zu konvertieren. Eine e...

Jeder, der extrazelluläre Signale aus dem Gehirn zeichnet unter Verwendung von Methoden raffinierter als einfache Online-Thresholding und Windowing steht vor der Aufgabe zu identifizieren und die Trennung der Signale von verschiedenen Neuronen von den lauten Spannungssignale von der Elektrode erfasst. Diese Aufgabe wird als Spike Sortier allgemein bekannt. Die Schwierigkeit der Spitze Sortierung wird durch verschiedene Faktoren zusammengesetzt. Neurone können sehr nahe beieinander sein, so dass die Signale von ihnen von einer nahegelegenen Elektrode aufgezeichnet sind wahrscheinlich zu unterscheiden ähnlich und schwer zu sein. Die Signale von einem einzelnen Neuron erzeugt wird, kann über die Zeit variieren, vielleicht wegen der Bewegung der Elektrode, variable Natriumkanal Kinetik während Perioden hoher Feuerungsrate, variable Grad der Aktivierung der Spannungs Leitfähigkeiten in Dendriten, die an die Elektrode nahe sind oder möglicherweise als ein Ergebnis von Veränderungen des Gehirnzustands. (- 100 &amp; mgr; m 20) r Diese Probleme können durch Verwendung von Multi-Elektroden-Anordnungen (MEAs) mit vielen eng beabstandeten gemildert werden<html> ufnehmen Kanäle , die , da sie typischerweise 1 über mehrere Kanäle verteilt 2 bessere räumliche Definition der Signale von einzelnen Neuronen ermöglicht. Allerdings ist dies mit der Tatsache kombiniert, die sich entlang der gesamten Länge der Elektrode Überlappung von Neuronen Signale im Raum ausbreiten, führt zu einem potentiell sehr hochdimensionalen Raum, in dem Cluster zu einzigartigen Neuronen entsprechenden müssen identifiziert werden. Dieses Problem wird für mehr als eine kleine Anzahl von Elektrodenkanäle rechnerisch unlösbar. Bis heute gibt es keine allgemein vereinbarte beste Methode für die Spike - Sortierung, obwohl viele Lösungen 3 vorgeschlagen worden, 4, 5, 6, 7, 8 und Aufnahmen von MEAs werden immer häufiger 9,ass = &quot;xref&quot;&gt; 10. Da Spike Sortierung nicht Selbstzweck ist, sondern ist einfach ein notwendiger erster Schritt, bevor eine weitere Datenanalyse, gibt es einen Bedarf für eine einfach zu handhabende Paket, das in rohen Aufzeichnen von Daten-Dateien lesen und wandeln sie in sortierten Spitze Züge mit so wenig Benutzer Eingabe und so schnell und zuverlässig wie möglich. Dieses Dokument enthält eine Anleitung für die Verwendung von SpikeSorter - ein Programm entwickelt, mit dem Ziel, diese Anforderungen zu erfüllen. Das Programm beruht auf Algorithmen in früher veröffentlichten Artikeln beschrieben 11, 12, 13. Die Ziele in das Programm der Gestaltung waren , dass a) es sich um eine benutzerfreundliche Schnittstelle erfordert keine oder nur geringe Vorkenntnisse in der Computer - Programmierung oder von Spike Sortiermethode haben sollte; b) keine oder nur wenige andere spezialisierte Software - Komponenten über Standard - Windows oder Linux - Betriebssystemen sollten erforderlich sein; c </em&gt;) Sollte eine breite Palette von Formaten Aufzeichnen von Daten für den Datenimport und Export unterstützt werden; d) die Notwendigkeit für eine Benutzereingabe während des Sortierens sollte minimiert werden, und e) das Sortieren mal eine vernünftige Weise maßstäblich in sollten im Idealfall linear, mit Aufzeichnungsdauer und der Anzahl der Kanäle auf der Elektrode. Die Algorithmen im Programm implementiert sind a) eine flexible Reihe von Pre-Processing und Ereigniserkennung Strategien; b) eine automatisierte Teile und Herrsche - Strategie der Dimensionsreduktion , die Spannungsverläufe Clustern auf der Basis der Hauptkomponenten (PC) Verteilungen von Teilmengen von Kanälen erhalten bestimmten Clustern zugeordnet; c) automatischen Bündelung von PC - Verteilungen mit einem schnellen Gruppierungsvorgang auf der Grundlage der mittleren Verschiebungsalgorithmus 3, 14, und d) teilweise automatisierten paarweise Zusammenführen und Aufteilen von Clustern , um sicherzustellen , dass jeder ist so deutlich wie möglich von allen anderen. THIs, wurde eine Reihe von Verfahren hinzugefügt, die manuelle Spaltung oder Verschmelzung von Clustern für die Überprüfung von PC-Distributionen, Kreuz- und Auto Korrelogramme von Spike-Züge und Zeit-Amplituden-Plots von Spike-Wellenformen auf Basis ermöglichen. Aufnahmen von Tetroden, tetrode Arrays, Utah-Arrays sowie Ein- und Mehr Schaft MEAs können gelesen und sortiert werden. Die Stromgrenze auf die Anzahl der Kanäle 256 ist, aber dies kann in der Zukunft erhöht werden. Eine andere plattformübergreifende Open-Source-Implementierung &quot;spyke&quot; (http://spyke.github.io), ist ebenfalls verfügbar. Geschrieben von einem von uns (MS) in Python und Cython, spyke die gleiche Gesamtansatz wie SpikeSorter verwendet, mit einigen Unterschieden: Speicherbedarf zu reduzieren, wird Rohdaten in kleinen Blöcken geladen, und nur, wenn es unbedingt notwendig ist; Cluster werden ausschließlich angezeigt, manipuliert und in 3D sortiert; und Hauptkomponente und unabhängige Komponentenanalyse werden sowohl als ergänzende Dimension Reduktionsverfahren. Spyke erfordert mehr Benutzer inInteraktion, sondern stützt sich stark auf Tastatur- und Mausbefehle und eine Undo / Redo-Warteschlange, um schnell die Auswirkungen verschiedener Faktoren auf die Häufung von einem bestimmten Untergruppe von Spikes erkunden. Zu diesen Faktoren gehören Spike - Kanal und Zeitbereich Auswahl, Spike Ausrichtung, Clustering Dimensionen und räumliche Bandbreite (Sigma) 11. Es folgt eine kurze Beschreibung der Algorithmen und Strategien für das Sortieren verwendet. Ausführlichere Beschreibungen können in früheren Veröffentlichungen 11, 12, 13 und in Anmerkungen zu finden , die über die Hilfe - Tasten zugegriffen werden kann (identifiziert mit einem &#39;?&#39;) Innerhalb SpikeSorter. Nach einer rohen extrazelluläre Spannung Datei zu laden und die niedrigeren Frequenzkomponenten herausgefiltert werden, die eine Anfangsstufe der Ereigniserkennung führt zu einer Reihe von Ereignissen, von denen jede aus einem kurzen Spannungs Snapshot besteht vor und nach der Veranstaltung Zeit. Wenn die Auserwähltenritten Seiten sind ausreichend eng beieinander liegenden (&lt;100 &amp; mgr; m), Einzeleinheit Signale werden in der Regel auf mehreren benachbarten Kanälen auftreten. Ein zentraler Kanal wird für jedes Ereignis automatisch gewählt wird, entsprechend dem Kanal, auf dem die Spitze-zu-Spitze-Spannung des Ereignisses am größten ist. Automatisierte Sortierung beginnt mit einem ersten Cluster für jede Elektrode Kanal bildet, die aus allen Ereignissen, die zu diesem Kanal lokalisiert wurden. Eine Einheit, auf halbem Weg zwischen den Kanälen angeordnet ist, kann Anlass zu geben, die Spitzen lokalisiert sind (vielleicht zufällig) auf verschiedene Kanäle: die Cluster aus diesen beiden Gruppen von Spitzen wird als ähnlich identifiziert werden und zu einem späteren Zeitpunkt zusammengeführt. Die durchschnittliche Wellenform der Ereignisse in jedem ersten Cluster wird dann berechnet. Dies wird bezeichnet als die Cluster-Vorlage. Nebenkanäle sind jedem Cluster zugeordnet, basierend auf den Amplituden und der Standardabweichung der Schablonenwellenformen für jeden Kanal. Hauptkomponentenwerte werden dann für jeden Cluster basierend o berechnetn die Wellenformen auf dem zugewiesenen Satz von Kanälen. Der Benutzer kann die Anzahl der Hauptkomponentenabmessungen wählen zu verwenden: in der Regel 2 ausreichend ist. Jeder Cluster aufgeteilt wird dann in einen weiteren Satz von Clustern, und dies wird wiederholt, bis keine weitere Spaltung durch automatisierte Clustering sein kann. An diesem Punkt wird ein Anfangssatz von beispielsweise 64 Cluster von einem 64-Kanal-Elektrode, kann diese Zahl in zwei oder drei Mal geteilt werden, abhängig von der Anzahl der Einheiten, die in der Aufnahme war. Aber wegen der variable Zuordnung von Ereignissen von einzelnen Einheiten, die verschiedenen Kanäle ist die Anzahl der Cluster in diesem Stadium gefunden fast sicher größer ist als sie sein sollte. Die nächste Stufe der Sortierung ist die oversplitting durch Vergleichen Paare von Clustern und Zusammenführen ähnliche Paare oder Neuzuweisen Ereignisse von einem zum anderen zu korrigieren. Diese Phase der Sortierung wird als &quot;zusammenführen und teilen&quot; bezeichnet. Verbinden und Teilen Für N Cluster gibt es N * (N - 1) / 2 Paare und damit die Anzahl der Paare wächst als N 2, was unerwünscht ist. viele Paare können jedoch aus dem Vergleich ausgeschlossen werden, da die zwei Elemente des Paares sind weit voneinander körperlich. Dies reduziert die Abhängigkeit zu etwas, das linear mit der Anzahl der Kanäle in Beziehung steht. Trotz dieser Verknüpfung kann der Merge und Split-Phase noch recht zeitaufwendig sein. Es arbeitet in der folgenden Weise. Jedes Clusterpaar ist, das verglichen werden (jene, die physisch nahe beieinander sind, wie die Überlappung in den Kanalsätze zugewiesen jeweils beurteilt) vorübergehend zusammengefügt, wenn die Identität der Spitzen zu halten in den beiden Mitglieds Cluster bekannt. Die Hauptkomponenten des fusionierten Paar werden dann berechnet. Ein Maß für die Überlappung zwischen den Punkten in den beiden Clustern wird berechnet auf der Verteilung der ersten beiden Hauptkomponenten. Die Art und Weise der ov<html> ERLAP Maß berechnet wird detaillierter an anderer Stelle beschrieben 11. Sein Wert ist Null , wenn die Cluster nicht überlappen, dh der nächste Nachbar von jedem Punkt im gleichen Cluster ist. Sein Wert nahe 1 , wenn die Cluster vollständig überlappen, also die Wahrscheinlichkeit , dass der nächste Nachbar in demselben Cluster ist die gleiche wie die von einer gleichförmigen Vermischung von Punkten vorhergesagt wird. Verschiedene Entscheidungen getroffen werden, die die Überlappung Maßnahme berücksichtigen. Wenn die Überlappung größer ist als ein bestimmter Wert ist, kann Clustern zusammengefasst werden. Wenn die Überlappung sehr klein ist, kann der Clusterpaar als verschieden definiert und in Ruhe gelassen. Zwischenwerte, unvollständige Trennung des Clusterpaar anzeigt, kann das Signal, dass das Paar zusammengeführt werden sollte, und dann erneut geteilt, das gewünschte Ergebnis ein Paar von Cluster mit weniger Überlappung ist. Diese Verfahren werden zunächst in einem automatisierten Stufe und anschließend in einer handgeführten Stufe auszuführen. Zelt &quot;&gt; Bei der automatisierten Bühne, Cluster-Paare mit einem hohen Überschneidungswert zusammengeführt werden;. dann mit mittleren bis niedrigen Überschneidungswerten Cluster-Paare werden verschmolzen und neu, der im zweiten, benutzergeführte Stufe wird der Benutzer präsentiert mit allen Rest mehrdeutig Cluster Paare (also solche mit Überschneidungswerte in einem definierten Zwischenbereich) in Folge und wird gebeten, zu entscheiden , ob a) das Paar zu fusionieren, b) fusionieren und c) resplit das Paar, das Paar zu sein , verschieden zu erklären (die die Bedeutung der Überlappung Maßnahme) oder d) anzeigt , wird außer Kraft gesetzt , die die Beziehung zwischen dem Paar als &quot;mehrdeutig&quot; zu definieren , dass die Spitzen des Paares unwahrscheinlich sind gut sortiert werden. Verschiedene Werkzeuge zur Verfügung gestellt werden mit diesen Entscheidungen zu helfen, einschließlich auto - und Quer Korrelogramme und Zeitreihen Plots von Spike Höhe und PC-Werte. Im Idealfall sollte jeder Cluster eindeutig sein, am Ende der Verschmelzung und Spaltung Stufen, von allen anderen,entweder weil sie keine oder nur wenige Kanäle gemeinsam mit anderen Clustern, oder weil der Überlappungsindex kleiner als ein festgelegter Wert ist. Dieser Wert ist vom Benutzer wählbar, beträgt jedoch typischerweise 0,1. Cluster (Einheiten), die diesen Test bestehen, werden definiert als &quot;stabil&quot;, die dies nicht tun (weil die Überlappung mit einem oder mehreren anderen Clustern größer ist als der Grenzwert) werden als &quot;instabil&quot; definiert. In der Praxis am Ende die große Mehrheit der Einheiten nach oben wird definiert als &quot;stabil&quot; im Ziel zu sortieren, um den Rest zu verlassen, um entweder verworfen oder als potentiell Multi-Unit behandelt werden. Software Anforderungen SpikeSorter ist kompatibel mit 64-Bit-Versionen von Windows 7 und Windows 10, und wurde auch erfolgreich unter Linux mit dem Wine-Emulator ausgeführt wurde. Datendateien werden vollständig in den Speicher geladen (für Geschwindigkeit) und somit den verfügbaren RAM benötigt mit der Größe der Aufzeichnung zu skalieren (erlauben Sie ca. 2 GB für das Programm selbst). Elektrophysiologischeal-Dateien größer als 130 GB Größe wurden in Windows- und Linux-Umgebungen erfolgreich sortiert. Die Optionen werden durch Standard-Windows-Menüs, einer Symbolleiste und Dialoge abgerufen. Die Anordnung der Elemente auf dem Menü entspricht in etwa die Reihenfolge der Operationen in Sortierung, mit dem Menü &quot;Datei&quot; für die Dateneingabe auf der linken Seite beginnen, und das Menü &quot;Exportieren&quot; auf der rechten Seite so dass für den Export von sortierten Daten. Toolbar-Schaltflächen bieten Verknüpfungen zu Menüpunkten verwendet. Der Kanalkonfigurationsdatei Viele Aufzeichnungsdatenformaten speichern keine Programmplätze. Allerdings ist diese zu wissen, für Spike-Sortierung von wesentlicher Bedeutung. Kanäle können auch auf verschiedene Arten von Erfassungssoftware zu nummerieren: SpikeSorter erfordert, dass die Kanäle in der Reihenfolge nummeriert sind, mit Kanal beginnen 1. Somit wird eine Hilfselektrodenkonfigurationsdatei erstellt werden muss, die Kanalnummern neu zuordnen können die sequentielle Regel zu folgen, und zu Shop Kanal loctionen. Die Kanalkonfigurationsdatei ist eine Textdatei mit einer einzigen Textzeile für jeden Kanal. Die erste Zeile der Datei speichert einen Textnamen, bis zu 16 Zeichen lang sein, dass die Elektrode identifiziert. Die Zahlen in den nachfolgenden Zeilen können durch Tabs, ein Komma oder Leerzeichen getrennt werden. Es gibt vier Zahlen in jeder Reihe Providing (in Reihenfolge): die Kanalnummer in der Datei, die Kanalnummer , auf die sie abgebildet werden soll (dh die Anzahl, die von SpikeSorter verwendet wird), und die x- und y - Koordinaten des Kanal, in Mikron. Die x - Koordinate normalerweise senkrecht zur Richtung der Elektrodeneinführungs genommen werden , und die y entsprechend Tiefe in das Gewebe wäre koordinieren. Die Konfigurationsdatei muss im selben Verzeichnis wie die Aufnahme-Datei abgelegt werden. Es besteht eine gewisse Flexibilität in wie kann es genannt werden. Das Programm wird zunächst nach einer Datei zu suchen, die den gleichen Namen wie die Rohdatendatei hat aber mit einer CFG-Erweiterung. Wenn die Datei is nicht gefunden, wird es für die Datei &#39;electrode.cfg&#39; suchen. Wenn diese Datei wiederum nicht gefunden wird eine Fehlermeldung einen Mangel an Kanallayoutinformationen, um anzuzeigen, erzeugt.

<table><tbody><tr><td>spikesorter.exe</td><td>N/A</td><td></td><td><a href="http://www.swindale.ecc.ubc.ca/SpikeSorter">http://www.swindale.ecc.ubc.ca/SpikeSorter</a></td></tr></tbody></table>

ein visual guide to sortierung elektrophysiologischen ableitungen mit &#39;spikesorter&#39;

A Visual Guide to Sorting Electrophysiological Recordings Using 'SpikeSorter'

Es stehen nur wenige eigenständige Softwareanwendungen zur Verfügung, um Spitzen aus Aufzeichnungen zu sortieren, die mit Multi-Elektroden-Arrays gemacht wurden. Im Idealfall sollte eine Anwendung benutzerfreundlich sein, über eine grafische Benutzeroberfläche verfügen, Datendateien in einer Vielzahl von Formaten lesen können und den Benutzern einen flexiblen Satz von Werkzeugen zur Verfügung stellen, die ihnen die Möglichkeit geben, extrazelluläre Spannungswellenformen von verschiedenen Einheiten mit einem gewissen Grad an Zuverlässigkeit zu erkennen und zu sortieren. Zuvor veröffentlichte Spike-Sortiermethoden sind jetzt in einem Softwareprogramm, SpikeSorter, verfügbar, das Elektrophysiologen ein komplettes Set an Werkzeugen für die Sortierung zur Verfügung stellen soll, angefangen bei der aufgezeichneten Rohdatendatei bis hin zum Export der sortierten Spike-Zeiten. Die Verfahren werden automatisiert, soweit dies derzeit möglich ist. Der Artikel erklärt und veranschaulicht die Verwendung des Programms. Eine repräsentative Datendatei wird geöffnet, extrazelluläre Spuren werden gefiltert, Ereignisse werden erkannt und dann geclustert. Eine Reihe von Problemen, die beim Sortieren häufig auftreten, werden veranschaulicht, darunter die artefaktische Überteilung von Einheiten aufgrund der Tendenz einiger Einheiten, Spitzen paarweise abzufeuern, wobei die zweite Spitze deutlich kleiner ist als die erste, und die Überteilung, die durch langsame Schwankungen der Spitzenhöhe im Laufe der Zeit verursacht wird, die bei einigen Einheiten auftreten. Die Genauigkeit der Leistung von SpikeSorter wurde mit Surrogat-Ground-Truth-Daten getestet und für vergleichbar mit anderen Algorithmen in der aktuellen Entwicklung befunden.

Abbildung 7 zeigt die Anzeige (erhalten , indem Sie auf &quot;Ansicht - Sortiert Wellenformen &#39;) für eine typische sortierte Aufnahme. Die Standardansicht Option ist nur die Wellenformen für jeden Cluster auf den Center-Kanal zu zeigen. Eine allgemeine Erfahrung ist, dass Wellenformen für eine Clusterpaar auf dem gleichen Kanal identisch aussehen, aber wenn die &quot;Paare Vergleichen &#39;Dialog verwendet, um die zwei Cluster gibt es unterschiedliche Cluster in dem ...

Der Artikel zeigt, wie man das Programm SpikeSorter verwendet, um Spikes in extrazellulären Aufzeichnungen zu erkennen und zu sortieren, die mit Multi-Elektroden-Arrays gemacht wurden.

Ein Visual Guide to Sortierung elektrophysiologischen Ableitungen Mit &#39;SpikeSorter&#39;

Few stand-alone software applications are available for sorting spikes from recordings made with multi-electrode arrays. Ideally, an application should be ...

Das übergeordnete Ziel dieses Videos ist es, Elektrophysiologen zu zeigen, wie man das Programm SpikeSorter verwendet, um Spikes in extrazellulären Ableitungen von Nervengewebe, die mit Mikroelektrodenarrays aufgezeichnet wurden, zu detektieren und zu sortieren. Unser Ziel bestand darin, eine einfache Lösung für die Aufgabe der Spike-Sortierung mithilfe eines Programms mit benutzerfreundlicher Oberfläche bereitzustellen. SpikeSorter kann Dateien in verschiedenen Formaten lesen und bietet eine Vielzahl von Vorverarbeitungs- und Ereignisdetektionsstrategien sowie Optionen zur Sortierung und zum Datenexport. Die Auswirkungen dieser Technik erstrecken sich auf die Analyse neuronaler Verhaltensweisen, die mittels extrazellulärer Ableitungen mit Multielektroden-Arrays untersucht werden. Im Allgemeinen haben Personen, die neu in dieser Methode sind, aufgrund der Komplexität der Aufgabe sowie des Fehlens einer standardisierten Methodik und objektiven Validierung Schwierigkeiten. Wir hatten die erste Idee zu dieser Methode, als wir mit dem Problem konfrontiert waren, unsere eigenen Aufzeichnungen, die mit 54-Kanal-Multielektroden-Arrays durchgeführt wurden, zu sortieren, und keine verfügbare Lösung fanden.Um dieses Verfahren zu beginnen, öffnen Sie das Programm. Gehen Sie zu Datei und Öffnen, und wählen Sie dann das Aufzeichnungsdateiformat aus der Dropdown-Liste unten rechts im sich öffnenden Dateidialog aus. Wählen Sie anschließend die Datei aus und klicken Sie auf Öffnen.Klicken Sie auf „OK“, wenn das Lesen abgeschlossen ist. Die Aufzeichnungssignale werden nun in der Spannungsformanzeige dargestellt. Falls die Aufzeichnung ungefiltert ist und das lokale Feldpotential enthält, entfernen Sie dieses, indem Sie auf das Filter-Symbol in der Symbolleiste klicken.Wählen Sie den Hochpass-Butterworth-Filter, eine geeignete Grenzfrequenz und die Anzahl der Pole aus, und klicken Sie dann auf „Do It“. Klicken Sie auf „OK“, dann auf „done“ und überprüfen Sie die gefilterte Wellenform in der Anzeige. Spannungssignale können überprüft werden, indem die linke Maustaste gedrückt gehalten und der Mauszeiger gezogen wird. Verwenden Sie das Mausrad, um bestimmte Merkmale heranzuzoomen und wieder herauszuzoomen.Bewegen Sie die Maus über bestimmte Wellenformpunkte, um die entsprechenden Spannungswerte in der linken oberen Ecke anzuzeigen. Durch einen Doppelklick auf das Fenster öffnet sich ein Dialog, der ebenfalls verwendet werden kann, um schnell beliebige Teile der Aufzeichnung sowie spezifische Ereignisse in Kanälen oder Clustern zu überprüfen, sobald die Ereigniserkennung und -sortierung abgeschlossen sind. Überprüfen Sie anschließend, ob Kanäle fehlerhaft sind und maskiert werden müssen.Klicken Sie auf das Kanal-Prüfsymbol und überprüfen Sie den Graphen. Um einen ausreißenden Kanal zu maskieren, wählen Sie entweder die Kanalnummer aus oder selektieren Sie ihn aus der Problemliste. Schließen Sie danach das Dialogfeld und klicken Sie auf Ja, wenn Sie dazu aufgefordert werden, um die Maskierungswerte zu speichern.Maskierte Kanäle werden in der Spannungsanzeige ausgegraut. Gehen Sie bei diesem Verfahren zu „Vorverarbeitung Ereigniserkennung“, um den Dialog zur Ereigniserkennung aufzurufen. Verwenden Sie den Schieberegler oben rechts, um das Rauschlevel der jeweiligen Kanäle zu überprüfen.Eine sorgfältige Prüfung der Spannungsanzeige kann auch stille oder ungewöhnlich rauschende Kanäle aufdecken, die maskiert werden müssen. Wählen Sie eine variable Schwellenwertbestimmung zur Ereigniserkennung. Der empfohlene Schwellenwertbereich liegt zwischen 4,0 und 6,0-fachem Rauschen.Wählen Sie 4.5. Wählen Sie die dynamische mehrphasige Filterdetektionsmethode aus der Dropdown-Liste aus. Stellen Sie das Fenster auf etwa die halbe Breite einer typischen Spikeschwankung ein, mit Werten im Bereich von 0,15 bis 0,5 Millisekunden.Danach die Alignierungsmethode auswählen, indem die Option gewählt wird, die am besten ein einzelnes, zeitlich lokalisiertes Merkmal der zu sortierenden Spikes identifiziert. Die übrigen Optionen auf ihren Standardwerten belassen und auf „Start“ klicken. Zum Beenden des Dialogs „Fertig“ drücken.Im Spannungswellenform-Fenster werden die erfassten Ereignisse in Grau auf ihrem zugewiesenen Mittelkanal angezeigt. Die Parameter für die Ereigniserkennung können anhand der an dieser Stelle sichtbaren Ergebnisse angepasst werden. Beispielsweise kann die Ereigniserkennung mit einer niedrigeren Erkennungsschwelle erneut durchgeführt werden, um mehr Ereignisse zu erfassen.Der nächste Schritt wird normalerweise nicht vor einer routinemäßigen Sortierung durchgeführt, ist aber nützlich, wenn zum ersten Mal sortiert wird oder wenn unbekannte Daten auftreten. Gehen Sie zu Sortieren, Kanäle in Cluster umwandeln, um einen einzelnen Cluster für jeden nicht maskierten Elektrodenkanal zu erstellen, unter der Annahme, dass jedem Kanal einige Ereignisse zugeordnet sind. Untersuchen Sie diese Cluster, indem Sie zu Überprüfen, Ansicht, Cluster bereinigen und aufteilen gehen, um einen weiteren Dialog zu öffnen.Verwenden Sie die Drehregelung, um den anzuzeigenden Cluster auszuwählen. Wählen Sie einen Cluster mit zwei oder mehr deutlichen Unterclustern aus und drücken Sie dann die Schaltfläche „Realign“, um die Zeit jedes Ereignisses anzupassen, sodass es besser zur Form der Vorlage passt. Drücken Sie anschließend „Autosplit“, um die Ereignisse basierend auf der Verteilung der Hauptkomponenten zu clustern.Klicken Sie anschließend auf die Kontrollkästchen, um die Wellenformen in den Subclustern zu überprüfen. Verwenden Sie den Schieberegler, um die entsprechenden Wellenformen zu betrachten. Üben Sie, indem Sie einen der kleinen Aufteilungsknöpfe verwenden, um einen neuen Cluster zu erstellen und diesen zu untersuchen.Beachten Sie, wie der rote Cluster nun zwei Untercluster deutlicher erkennbar macht, nachdem der grüne Cluster abgetrennt wurde. Die Sortierung könnte manuell auf diese Weise fortgesetzt werden, jedoch ist es vorzuziehen, das schnellere Automatische-Sortieren-Verfahren zu verwenden. Drücken Sie Aufhören und wechseln Sie zu Sortieren, Automatisches Sortieren.Lassen Sie die Option zur Überspringung der Ereigniserkennung aktiviert, falls die Ereigniserkennung bereits durchgeführt wurde, wie hier. Falls sie nicht aktiviert ist, wird die Ereigniserkennung automatisch ausgeführt, wobei Parameterwerte und Auswahlmöglichkeiten übernommen werden, die aus dem Dialog zur Ereigniserkennung stammen. Wählen Sie im unten stehenden Clustering-Bereich ein zeitliches Fenster, das groß genug ist, um die gesamte Spikewellenform vor und nach dem Alignierungspunkt zu erfassen.Als Nächstes wählen Sie eine Neuausrichtungsoption, die während des Clusterns verwendet werden soll, und legen Sie eine minimale Clustergröße fest. Entscheiden Sie, wie viele Dimensionen im PC-Raum für das Clustern verwendet werden sollen, und belassen Sie die übrigen Optionen bei den Standardeinstellungen. Danach klicken Sie auf „Start“, um den Autosort-Vorgang zu beginnen.Nach Abschluss von Autosort drücken Sie „Weiter“, um zur manuell geführten Zusammenführung und Aufteilung zu gelangen, und klicken Sie dann auf „Beginnen“. In dem neuen Dialog werden Clusterpaare, die nicht eindeutig ähnlich oder unterschiedlich sind, nacheinander angezeigt. Für jedes angezeigte Paar verwenden Sie die Schaltflächen, um zu entscheiden, ob das Paar zusammengeführt, zusammengeführt und erneut aufgeteilt, als unterschiedlich markiert oder als mehrdeutig gekennzeichnet werden soll, falls unklar ist, welche Entscheidung am besten geeignet ist.Klicken Sie auf die Kontrollkästchen, um einen Graphen entweder der Spitzenspitzenhöhe oder der ersten oder zweiten Hauptkomponente über die Zeit oder Auto- und Kreuzkorrelationshistogramme anzuzeigen. Diese können bei Entscheidungen hilfreich sein. Hier sehen wir ein Beispiel für eine Zusammenführungsentscheidung.Gefolgt von einer Zusammenführungs- und Aufteilungsentscheidung. Wenn die Option zum Zusammenführen und Aufteilen keine klar voneinander abgrenzbaren Cluster finden kann, verwenden Sie den Schieberegler im angezeigten Dialog, um einen Clusterparameter manuell anzupassen und eine zufriedenstellende Aufteilung zu finden. Falls dies nicht möglich ist, verwenden Sie die Schaltfläche „Zurücksetzen“, um zum ursprünglichen Zustand der beiden Cluster zurückzukehren.Wenn Sie fertig sind, drücken Sie wie gezeigt „Split“. Gehen Sie nun zu Überprüfung, Nachbearbeitung. Verwenden Sie die Schaltfläche „Alignment Cleaning“, um Ereignisse aus den Clustern zu entfernen, die schlechte Übereinstimmungen mit der Cluster-Vorlage aufweisen.Verwenden Sie anschließend die Schaltfläche „Reclustern“, um nicht zugeordnete Ereignisse basierend auf dem Übereinstimmungswert bestimmten Vorlagen neu zuzuweisen. Die wiedergewonnenen Ereignisse werden als Untercluster jedes übergeordneten Clusters gekennzeichnet und können mithilfe des Dialogs „Cluster anzeigen, bereinigen und aufteilen“ überprüft werden. Diese Ereignisse verbleiben im Cluster und werden entsprechend exportiert, sofern sie nicht gelöscht werden.Als Nächstes kehren Sie zum Dialog für die Nachbearbeitung zurück. Verwenden Sie die Schaltfläche „Löschen“ und den daneben befindlichen Drehregler, um die Cluster mit einem Signal-Rausch-Verhältnis unterhalb des ausgewählten Schwellenwerts zu löschen. Verwenden Sie anschließend die Sortierschaltfläche, um die Cluster gemäß einem gewählten Kriterium neu zu nummerieren.Diese Abbildung zeigt die Anzeige, die durch Aufrufen der Ansicht „sortierte Wellenformen“ für die gerade sortierte Aufnahme erhalten wird. Üblicherweise erscheinen die Wellenformen für ein Cluster-Paar auf demselben Kanal identisch, doch das Dialogfeld zum Vergleichen von Paaren zeigt dennoch unterschiedliche Cluster in der PC-Projektion. Entscheidungen zum Zusammenführen nach den vorherigen Sortierschritten werden manchmal durch Amplituden-Zeit-Diagramme und Kreuzkorrelogramme nahegelegt.Dies veranschaulicht eine Zusammenführungsentscheidung, die auf dem Vorhandensein einer starken asymmetrischen Kreuzkorrelation bei kurzen Zeitintervallen basiert, verbunden mit einer klaren Beziehung zwischen den Werten der ersten Hauptkomponente der beiden Einheiten, die hier auf der vertikalen Achse dargestellt ist. Diese Abbildung zeigt einen Fall, bei dem ähnliche Hinweise auf eine Zusammenführung fehlen. Das Kreuzkorrelogramm ist nicht stark asymmetrisch, und die Autokorrelogramme unterscheiden sich voneinander.Obwohl die Wellenformen ähnlich sind, sollten die beiden Einheiten aufgrund der Unterschiede in den Verteilungen der Hauptkomponenten möglicherweise nicht zusammengelegt werden. Diese Abbildung zeigt einen Fall, bei dem die Wellenformen ähnlich sind und die Werte der ersten Hauptkomponente zweier Einheiten ineinander übergehen, wenn eine davon aufhört zu feuern und die andere zu feuern beginnt. In diesem Fall erscheint die Entscheidung zum Zusammenlegen eindeutig.Wir hoffen, dass diese kurze Einführung in SpikeSorter hilfreich war. Wir planen, das Programm weiterzuentwickeln und neue Funktionen hinzuzufügen, wo immer sie nützlich sein können. Zu diesem Zweck freuen wir uns über Fehlerberichte, konstruktives Feedback und Verbesserungsvorschläge.

a-visual-guide-to-sorting-electrophysiological-recordings-using

Research

Forschung

JoVE Journal

Neuroscience

Neurowissenschaften

Ein grundlegendes Problem in unserem Verständnis der kortikalen Schaltung ist, wie Netzwerke in verschiedenen kortikalen Schichten kodieren sensorische Informationen. Hier beschreiben wir elektrophysiologische Techniken unter Verwendung von Multi-Contact-laminar Elektroden an Single-Einheiten und lokale Feld Potenziale und vorliegenden Analysen Datensatz kortikalen Schichten zu identifizieren.

Untersuchen Local Network Processing mit Multi-Contact-Laminar Electrode Recording

Dieses Video zeigt die Aufzeichnung spontaner und stimulationsabhängiger neuronaler Aktivität von primären murinen Spiralganglion Neuron (SGN)-Kulturen auf einem Multielektrodenarray (MEA). Es beinhaltet das Waschen und Vorbereiten des MEA, das Aufzeichnen spontaner neuronaler Aktivität und das Anwenden kontrollierter elektrischer Stimuli, um stimulationsabhängige neuronale Aktivität zu identifizieren.

Analyse der neuronalen Aktivität in primären Maus-Spiralganglien-Neuronen mit Hilfe von Multielektroden-Arrays

Dieses Video zeigt das detaillierte Verfahren zur Vorbereitung einer anästhesierten Ratte für elektrophysiologische Aufzeichnungen der Gehirnaktivität von mehreren Stellen. Die Kopfhaut wird präpariert, um Zugang zum Schädel zu erhalten, und es werden Löcher an präzisen Stellen gebohrt, um Elektroden zu installieren und zu sichern. Wolfram-Mikrodrahtelektroden werden dann an der Zielstelle eingesetzt, um die Daten aufzuzeichnen.

In vivo Elektrophysiologische Aufzeichnungen von Gehirnaktivitäten von mehreren Stellen bei Ratten

Die Implantation organisiert Arrays von Mikrodrähten für den Einsatz in Single-Unit-elektrophysiologischen Ableitungen präsentiert eine Reihe von technischen Herausforderungen. Verfahren zum Durchführen dieses Verfahrens und die notwendige Ausrüstung beschrieben. Auch ist der wirtschaftliche Einsatz der organisierten Mikroarrays aus unterschiedlichen neuronalen Teilbereiche mit hoher räumlicher Selektivität aufzeichnen diskutiert.

Ein Verfahren für die Implantation von Mikrodrähte Organisierte Arrays für Einzel-Einheit Recordings in Awake, Behaving Tiere

Maus-neuronale Zellen, die auf Multi-Elektroden-Arrays kultiviert werden, zeigen eine Erhöhung der Reaktion nach elektrischer Stimulation. Dieses Protokoll demonstriert, wie man Neuronen kultiviert, wie man Aktivität aufnimmt und wie man ein Protokoll aufbaut, um die Netze zu trainieren, um auf Stimulationsmuster zu reagieren.

Zeitabhängige Erhöhung der Netzwerkreaktion auf die Stimulation von neuronalen Zellkulturen auf Mikroelektroden-Arrays

Dieses Protokoll soll zeigen, wie in-vitro- Mikroelektrode Arrays mit mikrofluidischen Geräten für das Studium Aktionspotential Übertragung in neuronalen Kulturen zu verbinden. Datenanalyse, nämlich die Erkennung und Charakterisierung von Aktionspotentiale, Vermehrung ist durchgeführt mit einem neuen, erweiterten, aber benutzerfreundlich und frei verfügbar, computational Tool.

Interfacing Mikrofluidik mit Mikroelektrode Arrays für das Studium neuronale Kommunikation und axonalen Signalausbreitung

Das aktuelle Protokoll demonstriert eine einfache Methode zur Rückverfolgung von ventralen Tegmentalflächen (VTA) Glutamatprojektionen auf den Hippocampus. Die Photostimulation von VTA-Glutamat-Neuronen wurde mit CA1-Aufnahmen kombiniert, um zu zeigen, wie VTA-Glutamat-Terminals die mutmaßliche pyramidale CA1-Feuerrate in vivo modulieren.

Kombinierte in vivo anatomische und funktionelle Spurensuche von ventralen Tegmentalflächen-Glutamat-Terminals im Hippocampus

Die kombinierte Verwendung von Mikroelektroden-Array-Technologie und 4-Aminopyridin-induzierter chemischer Stimulation zur Untersuchung der nozizeptiven Aktivität auf Netzwerkebene im Rückenmarksdorsalhorn wird skizziert.

Aufzeichnung der Netzwerkaktivität in spinalen nozizeptiven Schaltkreisen unter Verwendung von Mikroelektrodenarrays

Das Protokoll beschreibt die Methodik der extrazellulären Aufzeichnung im motorischen Kortex (MC), um extrazelluläre elektrophysiologische Eigenschaften in frei beweglichen bewussten Mäusen aufzudecken, sowie die Datenanalyse von lokalen Feldpotentialen (LFPs) und Spikes, die für die Bewertung der neuronalen Netzwerkaktivität nützlich ist, die dem interessierenden Verhalten zugrunde liegt.

Mehrkanalige extrazelluläre Aufzeichnung bei frei beweglichen Mäusen

Speziell angefertigte Mikroantriebe ermöglichen das Submillimeter-Targeting von kortikalen Aufzeichnungsstellen mit linearen Siliziumarrays.

Elektrophysiologie der laminaren kortikalen Aktivität beim Weißbüschelaffen

Lernen Sie SpikeSorting in der Elektrophysiologie mit SpikeSorter für extrazelluläre Ableitungen aus Nervengewebe. Diese Methode vereinfacht die Analyse neuronaler Aktivitäten für Anfänger und Experten.

Ein Visual Guide to Sortierung elektrophysiologischen Ableitungen Mit 'SpikeSorter'

Weitere Videos entdecken