Extracting neural activity from electrophysiological and calcium All existing automated algorithms for this purpose, however, rely heavily on manual intervention and parameter tuning. In this thesis, we introduce a novel performance measure based on well-founded notions of neuronal network organization. This enables us to systematically tune parameters, using techniques from statistical design of experiments and response surface methods. We implement this framework on an algorithm used to extract neural activity from microendoscopic calcium imaging datasets, and demonstrate that this greatly reduces manual intervention. / Extraktion av neuronal aktivitet från elektrofysiologiska och kalciumavbildningsmätningar utgör ett viktigt problem inom neurovetenskapen. Alla existerande automatiska algoritmer för detta ändamål beror dock i dagsläget på manuell handpåläggning och parameterinställning. I detta examensarbete presenterar vi ett nytt prestandamått baserat på välgrundade begrepp rörande organisationen av neuronala nätverk. Detta möjliggör en systematisk parameterinställning genom att använda tekniker från statistisk experimentdesign och response surface-metoder. Vi har implementerat detta ramverk för en algoritm som används för att extrahera neuronal aktivitet från mikroendoskopisk kalciumavbildningsdata och visar att detta förfarande avsevärt minskar behovet av manuell inblandning.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-210052 |
Date | January 2017 |
Creators | Mamidanna, Pranav |
Publisher | KTH, Numerisk analys, NA |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-MAT-E ; 2017:50 |
Page generated in 0.0022 seconds