Neuropixels Analysis Analysis

# 后处理与分析参考 关于 Neuropixels 数据质量指标、可视化及分析的综合指南。 ## 排序分析器 (Sorting Analyzer) `SortingAnalyzer` 是进行后处理的核心对象。 ### 创建分析器 python import spikeinterface.full as si # 创建分析器 analyzer = si.create_sorting_analyzer( sorting, recording, sparse=True, # 使用稀疏表示 format='binary_folder', # 存储格式 folder='analyzer_output' # 保存位置 ) ### 计算扩展 python # 计算所有标准扩展 analyzer.compute('random_spikes') # 随机脉冲选择 analyzer.compute('waveforms') # 提取波形 analyzer.compute('templates') # 计算模板 analyzer.compute('noise_levels') # 噪声估计 analyzer.compute('principal_components') # PCA analyzer.compute('spike_amplitudes') # 每个脉冲的振幅 analyzer.compute('correlograms') # 自/互相关图 analyzer.compute('unit_locations') # 单位位置 analyzer.compute('spike_locations') # 每个脉冲的位置 analyzer.compute('template_similarity') # 模板相似度矩阵 analyzer.compute('quality_metrics') # 质量指标 # 或一次性计算多个 analyzer.compute([ 'random_spikes', 'waveforms', 'templates', 'noise_levels', 'principal_components', 'spike_amplitudes', 'correlograms', 'unit_locations', 'quality_metrics' ]) ### 保存与加载 python # 保存 analyzer.save_as(folder='analyzer_saved', format='binary_folder') # 加载 analyzer = si.load_sorting_analyzer('analyzer_saved') ## 质量指标 ### 计算指标 python analyzer.compute('quality_metrics') qm = analyzer.get_extension('quality_metrics').get_data() print(qm) ### 可用指标 | 指标 | 描述 | 良好值 | |--------|-------------|-------------| | `snr` | 信噪比 | > 5 | | `isi_violations_ratio` | ISI 违规比率 | 0.9 | | `firing_rate` | 每秒脉冲数 | 0.1-50 Hz | | `amplitude_cutoff` | 估计漏检脉冲 | < 0.1 | | `amplitude_median` | 中位脉冲振幅 | - | | `amplitude_cv` | 变异系数 | < 0.5 | | `drift_ptp` | 峰峰值漂移 (um) | < 40 | | `drift_std` | 漂移标准差 | < 10 | | `drift_mad` | 中位绝对偏差