尖峰分析软件
thorns的Python项目详细描述
__|________|_____|_|_|___|_____|____||_____|_____|_____|____|_____|___||______ _|_______________________|______|_________|_______|_____|____|__|________|_|__ _____|___|__|_____|_______|____|_________________________|__|_________|_______ ___|_______|_____|______|_____|_______|__|___|________|______|___|____________ __|__|_______|_____|__|___|______|________|______|______|_____|_______THORNS__
使用thorns可以分析和显示由 神经元。它可以用来分析实验和 使用python的模拟数据。例如,您可以轻松地计算 刺激周时间直方图(PSTH),刺激间时间直方图(ISIH) 矢量强度(vs)、夹带和视觉动作电位 光栅图。
waves是一个子模块,具有一些有用的信号处理和 生成函数,例如生成渐变音、调幅 音调,fft滤波器,设置电平(db_spl)。
该软件最初是在我攻读博士学位期间在 Werner Hemmert在转弯处。它是面向听觉的 研究,但很容易扩展。
用法
别忘了检查我们的ipython笔记本DEMO和脚本 examples目录!
初始化并加载尖峰列车:
import thorns as th from thorns.datasets import load_anf_zilany2014 spike_trains = load_anf_zilany2014()
计算矢量强度:
th.vector_strength(spike_trains, freq=1000)
光栅图:
th.plot_raster(spike_trains) th.show()
生成并打印AM音调:
import thorns.waves as wv sound = wv.amplitude_modulated_tone( fs=48e3, fm=100, fc=1e3, m=0.7, duration=0.1, ) wv.plot_signal(sound, fs=48e3) wv.show()
您也可以浏览api文档 https://pythonhosted.org/thorns/
功能
- 分析并显示尖峰列车
- 使用pandas.dataframe作为主数据容器(spike trains, 结果)
- 方便的信号处理和生成功能:thorns.waves
- 使用各种后端(同时并行)和缓存的映射实现: thorns.util.map()
- dumpdb:在一个脚本中快速转储map()的结果并从 另一个:thorns.util.dumpdb(),thorns.util.loaddb()
- 纯Python
安装
为了使用thorns,您需要安装以下 依赖关系优先:
- Python(2.7)
- 努比
- scipy
- 熊猫
- pytables/表
- matplotlib
- py notify(可选,启用通知)
接下来,输入命令行:
pip install thorns
贡献
- 打开任务:TODO.org(最好在emacs组织模式下查看)
- 问题跟踪器:https://github.com/mrkrd/thorns/issues
- 源代码:https://github.com/mrkrd/thorns
许可证
该项目根据GNU通用公共许可v3或 稍后(GPLv3+)。