NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Objektif. Salınımlar belirgin olarak nörolojik hastalık özellikleri ve nöromodülasyon hedefleri olarak görülür. Bir nöronun spiringindeki salınımları tespit etmek için, spektral yoğunluğu (PSD) düz bir çizgiyi aşan sivri trenin güç yoğunluğunda zirveler aramaya çalışabilirsiniz. Yine de salınımsız bir nöron için PSD düz değildir: İyileşme süresi ('RP', spike sonrası düşüş, refrakter dönemden başlayarak) küresel spektral bozulmayı tanıtır. Yerleşik bir 'şoklama' prosedürü, inter-spike aralığı (ISI) dağılımı ile açıklanan spektral bileşeni kaldırarak RP bozulmasını düzeltir. Bununla birlikte, bu prosedür ISI'larda ve dolayısıyla PSD'de bulunan salınımla ilgili bilgileri feda eder. Nokta süreci modellerinin (PPM'ler) daha seçici RP distorsiyonu kaldırmayı başarıp başaramayacağını sorduk, böylece geliştirilmiş salınım algılamasını sağladık. Bir roman 'residuals' yönteminde, ilk önce ISI dağıtımından RP süresini (nr) tahmin ediyoruz. Daha sonra spike trenini, öncekinrmilisaniyeler içinde düşen herhangi bir spike'nin en yenisinden bu yana geçen zamana bağlı olarak spike olasılığını tahmin eden bir PPM ile eşleştiriyoruz. Son olarak, modelin artıklarının PSD'sini hesaplıyoruz.Ana sonuçlar. Kalıntıları ve karıştırma yöntemlerinin doğru salınım tespitini düz taban-varsayım testleri ile mümkün kılma yeteneğini karşılaştırdık. Sentetik veriler üzerinden, artıklar yöntemi, esas olarak seyrek sivri trenlerde artan hassasiyet nedeniyle, gerçek-karşı yanlış-pozitif osilatör gücünün sınıflandırılmasında genellikle karıştırma yöntemini geride bıraktı. Bir parkinson maymununun iç globus pallidus (GPi) ve ventrolateral anterior talamus (VLa) tek birimli verilerinde, alfa-beta salınımlarının (8-30 Hz) tahmin edildiği-kalıntı yöntemi, kalıntılar-seçici salınım tespitini öngören düşük ateşleme oranlarıyla, önemli alfa-beta gücünün en büyük insidansını bildirdi. Bu sonuçlar, daha doğru salınım tespitini desteklemek için artık yaklaşımın sürekli gelişimini teşvik eder. Osilasyonların daha iyi tanımlanması, gelişmiş hastalık modellerini ve terapötik teknolojileri teşvik edebilir.
Özgün kaynak özetini okuyun
Objective. Oscillations figure prominently as neurological disease hallmarks and neuromodulation targets. To detect oscillations in a neuron's spiking, one might attempt to seek peaks in the spike train's power spectral density (PSD) which exceed a flat baseline. Yet for a non-oscillating neuron, the PSD is not flat: The recovery period ('RP', the post-spike drop in spike probability, starting with the refractory period) introduces global spectral distortion. An established 'shuffling' procedure corrects for RP distortion by removing the spectral component explained by the inter-spike interval (ISI) distribution. However, this procedure sacrifices oscillation-related information present in the ISIs, and therefore in the PSD. We asked whether point process models (PPMs) might achieve more selective RP distortion removal, thereby enabling improved oscillation detection.Approach. In a novel 'residuals' method, we first estimate the RP duration (nr) from the ISI distribution. We then fit the spike train with a PPM that predicts spike likelihood based on the time elapsed since the most recent of any spikes falling within the precedingnrmilliseconds. Finally, we compute the PSD of the model's residuals.Main results. We compared the residuals and shuffling methods' ability to enable accurate oscillation detection with flat baseline-assuming tests. Over synthetic data, the residuals method generally outperformed the shuffling method in classification of true- versus false-positive oscillatory power, principally due to enhanced sensitivity in sparse spike trains. In single-unit data from the internal globus pallidus (GPi) and ventrolateral anterior thalamus (VLa) of a parkinsonian monkey-in which alpha-beta oscillations (8-30 Hz) were anticipated-the residuals method reported the greatest incidence of significant alpha-beta power, with low firing rates predicting residuals-selective oscillation detection.Significance. These results encourage continued development of the residuals approach, to support more accurate oscillation detection. Improved identification of oscillations could promote improved disease models and therapeutic technologies.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.