[論文レビュー] Spike sorting in the frequency domain with overlap detection

Dima Rinberg, William Bialek+2 more|ArXiv.org|Jun 6, 2003

Cellular Automata and Applications参考文献 20被引用数 10

ひとこと要約

本論文は、周波数ドメインにおけるスパイク分離手法を提案し、スパイククラスタリングと検出を分離する。スパイク波形をガウス分布として周波数ドメインでモデル化することで、単一および重複スパイクの正確な同定が可能になる。コ cockroach の神経データにおいて、90%の単一スパイク検出率と8%の重複スパイク検出率を達成し、波形のばらつきやノイズに対しても高い信頼性を持つ割り当てを保証する厳密な統計基準が用いられている。

ABSTRACT

This paper deals with the problem of extracting the activity of individual neurons from multi-electrode recordings. Important aspects of this work are: 1) the sorting is done in two stages - a statistical model of the spikes from different cells is built and only then are occurrences of these spikes in the data detected by scanning through the original data, 2) the spike sorting is done in the frequency domain, 3) strict statistical tests are applied to determine if and how a spike should be classiffed, 4) the statistical model for detecting overlaping spike events is proposed, 5) slow dynamics of spike shapes are tracked during long experiments. Results from the application of these techniques to data collected from the escape response system of the American cockroach, Periplaneta americana, are presented.

研究の動機と目的

• 複数の神経細胞のスパイクをマルチエレクトロード記録から分離する課題に取り組むこと、特にスパイク波形が類似しており重複が生じる場合に有効であるようにすること。
• 従来の特徴ベースのクラスタリング手法の限界を克服すること。これらの手法は微細な差を損なうおそれがあり、細胞数が多い場合には困難をきたす。
• モデル構築（クラスタリング）フェーズと検出フェーズを分離することで、スパイク分類の信頼性を向上させること。
• 長年の課題とされてきた重複スパイクの検出に、堅牢な手法を構築すること。
• 長時間実験におけるスパイク波形のゆっくりとした変化を追跡し、精度を維持すること。

提案手法

• 電圧波形をフーリエ成分に変換して周波数ドメインで分析することで、スパイク分類を実行する。
• 各神経細胞のスパイク波形を、周波数ドメインにおける多変量ガウス分布としてモデル化し、各周波数で独立成分を仮定する。
• 観測波形とクラスタ平均との間のカイ二乗（$\chi^2$）距離を統計的指標として用い、スパイクの割り当てを評価する。
• 尤度と事前確率を用いてベイズの定理を適用し、スパイクが特定の神経細胞 $c$ に属する事後確率 $P(c|\mathcal{V})$ を計算する。
• スパイクを検出するには、あるクラスタに対して $\chi^2 \approx 1$ であり、他のすべてのクラスタに対して $\chi^2 \gg 1$ である波形を特定する。これは明確な割り当てを示す。
• 重複スパイクを処理するには、まず単一スパイクを検出し、その後、既知の単一スパイクテンプレートの重ね合わせとして重複をモデル化し、統計的基準を適用する。

実験結果

リサーチクエスチョン

• RQ1 スパイク波形のクラスタリングと生データからの検出を分離することで、スパイク分類の精度が向上するか？
• RQ2 周波数ドメインでの解析が、ノイズや波形ばらつきが存在する状況でも、分類の正確性と頑健性を向上させられるか？
• RQ3 同期的な神経活動で一般的に見られる重複スパイクは、どのようにして信頼性高く検出・分類できるか？
• RQ4 周波数ドメインにおけるガウス仮定に基づく統計モデルで、実際のデータがこの仮定から逸脱しても、依然として信頼性のある分類が得られるか？
• RQ5 長時間実験中に生じるスパイク波形の時間的変化は、どのようにして分類プロセスに追跡・統合できるか？

主な発見

• 本手法は、アメリカコ(styles)のマルチエレクトロード記録において、90%の単一スパイク検出率と8%の重複スパイク検出率を達成した。
• $\chi^2$ 距離に基づく厳密な統計基準により、明確なスパイク割り当てが可能となり、未分類のイベントはわずか2%にとどまった。
• クラスタリングと検出の分離により、データスキャンの前に綺麗なスパイク例に焦点を当てたより正確なモデル構築が可能になった。
• 周波数ドメイン処理により、単純な位相乗算（$e^{i\omega\tau}$）による効率的な時間同期が可能になり、リサンプリングの問題を回避できた。
• 実際のスパイク分布がガウス仮定から逸脱しても、$\chi^2$ 分布の整合性から、統計モデルの頑健性が確認された。
• 本手法は、長時間実験におけるスパイク波形のゆっくりとしたダイナミクスを効果的に追跡し、精度を維持した。