Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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