MATLAB血氧信号处理代码-haqqeez_bhs2020_project: 确定最适于融合神经数据与行为数据的统计及机器学习方法...

简介：
本项目使用MATLAB开发，旨在通过处理血氧信号来探索并实现最优的统计和机器学习技术，以促进神经数据与行为数据的有效融合。 在探索使用MATLAB处理血氧数据并将其应用于老鼠钙成像数据分析的过程中，我遇到了如何将随时间变化的神经活动（约30,000x~30ms的时间段内大约100个单细胞）与行为事件进行有效结合的问题。这一研究旨在为老鼠在执行特定的行为学习任务时提供一个全面的数据模型。 背景介绍：该实验设计了一个让鼠标学会仅当屏幕上的某些对象出现在指定位置时才会得到奖励的任务，其余情况则不给予任何反馈。例如，在第一种试验类型中，如果花朵位于左侧，则会获得奖励；而蜘蛛无论在什么位置都不会给与奖励。对于第六类试验，由于花朵处于中间的位置不会带来奖赏，然而当它出现在右侧时，反而使蜘蛛成为被选择的对象。 实验设计包括了三种对象-位置关联（左花、飞机中立位及右蜘蛛），以及六种不同的随机组合的测试类型。每一轮包含36次独立试验：这使得动物有机会通过反复尝试来学习正确的策略并最终完成任务要求。 技术背景：在进行这项研究时，老鼠被装备了一个植入头部的小型显微镜（miniscope）。该设备利用LED光源照射到颅内透镜上以照亮那些当神经元激活时会发出荧光的转基因细胞。这种方法与通过血液氧合水平变化来推断大脑活动的功能磁共振成像技术类似，钙成像是基于钙离子浓度增加导致的发光强度改变来进行记录和分析。