【文献解读】使用持续同调提取特征解码神经元信号
摘要
本文将神经元随时间变化的钙信号刻画为高维空间中的散点，使用高维流形中的持续同调来提取高维点云中的特征。将这种方法应用于自由活动的小鼠，发现使用广义线性模型将点云的特征拟合成信号后，得到的值与小鼠头部朝向的变化拟合得非常好。因此，使用这种方法可以解码与方向有关的神经元活动，而且解码后的值传递了更多神经活动信息，还保留了一些与小鼠速度有关的低维结构。
发表期刊：Neural Computation
发表日期：2019年1月
参考文献
Rybakken E, Baas N, Dunn B. Decoding of Neural Data Using Cohomological Feature Extraction. Neural Comput. 2019 Jan;31(1):68-93.
视频推荐
