密集型mea的有效尖峰检测与分选
herdingspikes的Python项目详细描述
羊群尖峰2
高密度电生理软件
该软件提供了基于以下论文所述方法的密集多电极阵列尖峰数据的检测、定位和聚类功能:
J.-O.Muthmann,H.Amin,E.Sernagor,A.Maccione,D.Panas,L.Berdondini,U.S.Bhalla,M.H.Hennig MH(2015年)。Spike detection for large neural populations using high density multielectrode arrays。前面。神经信息。9点28分。doi:10.3389/fninf.2015.00028。
G.Hilgen,M.Sorbaro,S.Pirmoradian,J.-O.Muthmann,I.Kepiro,S.Ullo,C.Juarez Ramirez,A.Puente Encinas,A.Maccione,L.Berdondini,V.Murino,D.Sona,F.Cella Zanacchi,E.Sernagor,M.H.Hennig(2016年)。Unsupervised spike sorting for large scale, high density multielectrode arrays.手机报告182521-2532。BioXiV:^ {A5}。
这种实现是高效的,尖峰检测和定位在桌面PC上以7kHz的频率对4096个频道的录制进行实时运行。包含数百万事件的大型录制可以在几分钟内进行排序。
因为我们认为公共资助的研究代码应该是免费和开放的,所以所有代码都是在gpl-3.0下发布的。
支持的系统
- 3Brainbiocam和biocam x
- Neuropixel array
- ETH MEA1K
- 128 channel Neuroseeker array
贡献者,按字母排序
- Matthias Hennig:峰值排序
- Jano Horvath:参数优化 <峰值检测、定位和排序、C++代码>
- Oliver Muthmann:尖峰检测和定位
- Martino Sorbaro:尖峰排序、类结构和大部分python代码
- Cesar Juarez Ramirez:可视化
- Raimon Wintzer:图形用户界面和可视化
可以使用快速启动
The code has been tested with Python version 3.6. It is essential ^{
If your system does not have Python pre-installed, the Anaconda distribution。
所有操作系统-通过PIP安装
如果您还没有安装最喜欢的python,我们建议您使用anaconda。我们还建议在虚拟环境中安装代码(请参见下面的“源代码”部分)。
提供PIP分发版,可按如下方式安装:
pip install numpy scipy
pip install herdingspikes
注意:herdingspecks是在python 3.5及更高版本上测试的。它可以在python 3.0-3.4上工作。
要从源安装,请克隆此存储库并按照以下说明进行操作。
Linux/Mac-源代码
我们建议您在虚拟环境中安装代码。您可以通过运行创建一个
python3 -m venv --system-site-packages desired/location/HS2venv
source desired/location/HS2venv/bin/activate
如果不想使用公共python库的本地版本,可以省略--system-site-packages
。无论何时使用模块,都需要activate
。
通过运行
pip install numpy scipy
python setup.py install
窗口-源
1.创建python虚拟环境
选项1:gui
安装Anaconda后,创建并激活名为HS2env
的虚拟环境。这可以通过每次鼠标单击Anaconda Navigator
来完成。要确保numpy
和Cython
可用,请键入
conda install -n C:\Users\HS2env numpy
选项2:命令行(来自源代码)
或者,打开Anaconda Prompt
并键入:
conda search "^python$"
这将显示可用python版本的列表。在这里,我们选择3.6.5:
conda create -n C:\Users\HS2env python=3.6.5 anaconda
每次hs2与命令一起使用时,都应激活此环境
conda activate C:\Users\HS2env
要确保numpy
可用,请键入
conda install -n C:\Users\HS2env numpy
2.安装C++编译器
HS2包含快速C++代码,需要编译器。如果没有安装C++编译器,最简单的解决方案是下载并安装微软VisualStudio构建工具:https://www.visualstudio.com/downloads/#build-tools-for-visual-studio-2017。
3.获取和安装hs2
获取代码
下载并解压缩:https://github.com/mhhennig/HS2/archive/master.zip
或从https://git-scm.com/download/win安装git
。然后打开命令提示符并键入
git clone https://github.com/mhhennig/HS2.git
这将在当前目录中创建一个文件夹HS2
。请注意,现在只需键入git pull
即可检索更新。
安装
要安装,请转到到hs2目录,例如
cd HS2
并键入
python setup.py install
现在hs2将在当前的虚拟环境中可用。
示例代码
不同支持系统的示例代码位于notebooks文件夹中。这些可以在不安装hs2系统范围内运行,但需要在HS2
目录中运行python setup.py build_ext --inplace
。接下来,运行jupyter notebook
并导航到目录以尝试代码。每个笔记本都会下载一小段原始数据。
前往here获取文档。生物cam数据的一个工作示例是here。
联系人
这些牧民的基地是爱丁堡大学信息学院。联系我们here,我们很乐意帮忙。