1

我有一个尖峰时间向量（来自神经元的动作电位）和一个刺激事件时间戳向量。我想创建一个 PSTH 来查看刺激是否会影响神经元的尖峰率。我可以通过循环遍历每个刺激事件来做到这一点（参见下面的简单示例），但是对于有超过 30,000 个刺激事件并且正在记录许多神经元的长时间实验来说，这非常慢。

如果没有 for 循环，如何做到这一点？

慢速方式示例：

% set variables
spikeTimes = [0.9 1.1 1.2 2.5 2.8 3.1];
stimTimes = [1 2 3 4 5];        
preStimTime = 0.2;
postStimTime = 0.3;
for iStim = 1:length(stimTimes)
    % find spikes within time window
    inds = find((spikeTimes > (stimTimes(iStim) - preStimTime)) & (spikeTimes < (stimTimes(iStim) + postStimTime)));
    % align spike times to stimulus onset
    stimONtimes = spikeTimes(inds) - stimTimes(iStim);
    % store times in array for plotting
    PSTH_array(iStim,1:length(stimONtimes)) = stimONtimes;
end
4

2 回答 2

0

这是一个解决方案，在所有尖峰和两个假设上都有一个循环：

  • 刺激时间是固定的间隔
  • 刺激间隔大于 PSTH 间隔

假设刺激时间在固定的时间间隔内：

delta_times = mean(diff(stimTimes));
assert(max(abs(diff(stimTimes)-delta_times))<1e-3);

现在我们在第一次刺激之前将尖峰时间与 preStimTime 对齐：

spikeTimes0 = spikeTimes - stimTimes(1) + preStimTime;

现在我们希望使用第二个假设来计算每个峰值的刺激：

assert((postStimTime-preStimTime)<dekta_times);
stimuli_index = floor(spikeTimes0 / delta_times);

相对于该刺激计算：

spike_time_from_stimuli = spikeTimes0 - stimuli_index*delta_times;

现在让我们构建 PSTH，精度为 0.01（与所有其他时间的单位相同）：

dt = 0.01;
times_around_stimuli = preStimTime:dt:postStimTime;
n_time_bins = length(times_around_stimuli);
n_stimuli = length(stimTimes);
PSTH = zeros(n_stimuli, n_time_bins)
for i=1:length(spikeTimes)
     time_index = ceil(spike_time_from_stimuli(i) / dt);
     % Ignore time-bins far from the event
     if time_index > n_time_bins
           continue;
     end
     PSTH(stimuli_index(i),time_index) = PSTH(stimuli_index(i),time_index) + 1;
end
于 2016-08-14T20:11:55.153 回答
0

最好的方法是可能只使用现有的直方图函数。它们的速度非常快，应该可以为您提供所需的所有信息。当然，这是假设箱不重叠。鉴于您的示例数据：

spikeTimes = [0.9 1.1 1.2 2.5 2.8 3.1];
stimTimes = [1 2 3 4 5];        
preStimTime = 0.2;
postStimTime = 0.3;

您可以像这样构建垃圾箱：

bins = sort([stimTimes - preStimTime, stimTimes + postStimTime])

或者

bins = [stimTimes - preStimTime; stimTimes + postStimTime];
bins = bins(:).'

bins =
   0.80000   1.30000   1.80000   2.30000   2.80000   3.30000   3.80000   4.30000   4.80000   5.30000

然后，您可以使用histcounts、discretize或histc，具体取决于您想要的结果以及您拥有的 MATLAB 版本。我将使用histc（因为我没有那些花哨的东西）但是所有三个函数的输入都是相同的。你有一个额外的输出histcounts（the edges，这对我们来说没用）和一个少一个discretize（实际计数）。

[N, IDX] = histc(spikeTimes, bins)

N =    
   3   0   0   1   2   0   0   0   0   0

IDX =    
   1   1   1   4   5   5

由于垃圾箱包括之间的时间(T(i) + postStimTime)，(T(i+1) - preStimTime)我们需要每隔一个垃圾箱：

N = N(1:2:end)

N =
   3   0   2   0   0

同样，我们只对奇数时隙中发生的尖峰感兴趣，我们需要调整索引以匹配新的IDX：

v = mod(IDX, 2)

v =
   1   1   1   0   1   1

IDX = ((IDX+1)/2).*v

IDX =
   1   1   1   0   3   3

结果与我们最初得到的结果一致：bin 1 中有 3 个尖峰，bin 3 中有 2 个尖峰。

于 2016-08-14T22:44:26.670 回答