机构名称：
¥ 1.0
摘要 - 途径高密度和高通道计数神经接口，能够同时记录成千上万的神经元的同时记录，将为学习，恢复和增强神经功能提供一个门户。但是，在完全植入的设备的比特率极限和功率预算内建立此类技术是具有挑战性的。使用在类似物到数字界面处使用有损耗的压缩，有线或压缩读数架构解决了高通道计数神经界面的数据洪水挑战。在本文中，我们评估有线或对神经工程至关重要的几个步骤的适用性，包括尖峰检测，尖峰分配和波形估计。对于有线或有线信号的各种接线配置以及基础信号质量的假设，我们表征了压缩比和特定任务信号保真度指标之间的权衡。使用来自猕猴视网膜中的18个大尺度微电极阵列记录的数据，我们发现，对于7-10的事件SNR，有线或正确检测并分配了至少80％的尖峰，至少具有50倍压缩。有线或方法还鲁棒地编码动作电势波形信息，从而实现了下游处理，例如细胞类型分类。最后，我们表明，通过将基于LZ77的无损耗压缩机（GZIP）应用于有线或体系结构的输出，可以在基线记录中实现1000倍压缩。
数据压缩与有线的信号保真度权衡...
主要关键词
相关文件推荐
