我有一个尖峰时间矢量(来自神经元的动作电位)和一个刺激事件时间戳矢量。我想创建一个PSTH,看看刺激是否会影响神经元的尖峰率。我可以通过循环每个刺激事件来做到这一点(参见下面的简单示例),但对于长期实验而言,这是非常缓慢的,其中有超过30,000个刺激事件并且正在记录许多神经元。
如果没有for循环,怎么办呢?
缓慢的方式示例:
loadFromJSON
答案 0 :(得分:0)
这是一个解决方案,在所有峰值和两个假设上都有一个循环:
假设刺激时间是固定的:
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计算每个峰值计数的刺激:
assert((postStimTime-preStimTime)<dekta_times);
stimuli_index = floor(spikeTimes0 / delta_times);
相对于刺激计算:
spike_time_from_stimuli = spikeTimes0 - stimuli_index*delta_times;
现在让我们建立PSTH,预定值为0.01(与所有其他时间相同):
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
答案 1 :(得分:0)
最好的方法是使用现有的直方图函数。他们非常快,应该为您提供所需的所有信息。当然,这假设箱不重叠。给出您的示例数据:
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;
你可以像这样构建垃圾箱:
bins = sort([stimTimes - preStimTime, stimTimes + postStimTime])
或
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
,具体取决于您所需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),但所有三个函数的输入都相同。您有一个histcounts
的额外输出(edges
,这对我们没用),而discretize
则少一个(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
由于这些垃圾箱包含(T(i) + postStimTime)
和(T(i+1) - preStimTime)
之间的时间,我们需要抓住其他所有垃圾箱:
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
结果与我们最初获得的结果一致:bin 3中有3个峰值,bin 3中有2个峰值。