Independent Component Analysis Based Single Cell Activity Discrimination Algorithm for Multielectrode Array Sensor Data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00166940" target="_blank" >RIV/68407700:21230/10:00166940 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Independent Component Analysis Based Single Cell Activity Discrimination Algorithm for Multielectrode Array Sensor Data
Popis výsledku v původním jazyce
Microelectrode arrays (MEAs) become an important tool for neurophysiology research. They are instrumental in revealing neural network formation processes and inter-cell communication schemes, which helps to understand the functioning of the human brain and to treat it's diseases. The presented algorithm employs a modified Independent Component Analysis (ICA) method to recover the spike signals from recorded data and to assign them to a particular neuron. To overcome the fundamental ICA requirement of linearly mixed independent sources, which is not satisfied in the case of neuronal recordings, the algorithm runs in a loop, successively extracts traces with spiking activity overlays those with previously detected ones and assigns signals to individual neurons.
Název v anglickém jazyce
Independent Component Analysis Based Single Cell Activity Discrimination Algorithm for Multielectrode Array Sensor Data
Popis výsledku anglicky
Microelectrode arrays (MEAs) become an important tool for neurophysiology research. They are instrumental in revealing neural network formation processes and inter-cell communication schemes, which helps to understand the functioning of the human brain and to treat it's diseases. The presented algorithm employs a modified Independent Component Analysis (ICA) method to recover the spike signals from recorded data and to assign them to a particular neuron. To overcome the fundamental ICA requirement of linearly mixed independent sources, which is not satisfied in the case of neuronal recordings, the algorithm runs in a loop, successively extracts traces with spiking activity overlays those with previously detected ones and assigns signals to individual neurons.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JB - Senzory, čidla, měření a regulace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GD102%2F09%2FH082" target="_blank" >GD102/09/H082: Senzory a inteligentní senzorové systémy</a><br>
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Workshop 2010
ISBN
978-80-01-04513-8
ISSN
—
e-ISSN
—
Počet stran výsledku
2
Strana od-do
—
Název nakladatele
České vysoké učení technické v Praze
Místo vydání
Praha
Místo konání akce
Praha
Datum konání akce
22. 2. 2010
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—