工程开发
neuropixels-analysis avatar

neuropixels-analysis

Neuropixels 神经记录分析工具。提供从 SpikeGLX/OpenEphys 数据加载、Kilosort4 Spike Sorting、运动校正、质量指标计算到 AI 辅助单元筛选的端到端分析流程。

简介

此技能为神经科学家与研究人员提供了一套处理高密度细胞外电生理数据的全面工具组。它支持 Neuropixels 1.0 和 2.0 探针记录的端到端分析,集成了 SpikeInterface、艾伦研究所 (Allen Institute) 标准以及国际脑实验室 (IBL) 协议等行业标准库,以确保实验结果的可重复性与质量。

本工具专为进行大规模神经记录实验且需要将原始数据转化为可发表单元 (curated units) 的实验室所设计。它能处理复杂的预处理任务,如相位漂移校正 (phase shift correction)、坏通道检测与共模参考消除,并随后使用 Kilosort4、SpykingCircus2 或 Mountainsort5 等高效算法自动执行 Spike Sorting。

主要功能与能力包括:

  • 无缝接入 SpikeGLX (.ap.bin, .meta)、Open Ephys (.continuous) 及 NWB 格式数据。
  • 专为电生理学设计的先进运动与漂移估计及校正工具。
  • 集成自动化 Spike Sorting 流程,支持多进程处理与 GPU 加速。
  • 全面的单元质量指标计算,包括信噪比 (SNR)、ISI 违规率及存在比率 (presence ratio) 分析。
  • AI 辅助的筛选工作流,允许用户利用 LLM 检查波形与相关图可视化结果,进行专家级的分类判断。
  • 灵活的导出选项,支持导出至 Phy 进行手动审查,或导出至 NWB 标准进行长期存档。

使用说明与建议:

  • 请务必在进行 Spike Sorting 之前先执行运动估计,以确保数据稳定性并提高分类准确度。
  • 本技能支持交互式视觉检查;当在 Claude Code 等环境中运行时,用户可直接要求 AI 分析波形与相关图。
  • 对于大型数据集,请利用提供的 job_kwargs 配置来优化并行处理与数据分块,防止内存溢出。
  • 使用 Allen/IBL 预设进行标准化、保守的筛选,可有效减少单元分类中的伪阳性。
  • 系统会生成 HTML 报告与摘要日志,为分析过程中执行的所有预处理与筛选步骤提供透明的审计追踪。

仓库统计

Star 数
1
Fork 数
0
Open Issue 数
1
主要语言
Python
默认分支
main
同步状态
空闲
最近同步时间
2026年5月3日 22:09
在 GitHub 查看