Offline Sorter離線神經訊號分析軟體

---

Offline Sorter 已經升級至4.0版本了！ 全新的OFS v4是一款用於查看、甄別和分選通過電極採集到的神經元放電信號（Spike）的工具，功能強大、操作簡便。電極的種類可以是單電極（single electrode）、雙極電極(Steretrode)和四極電極（Tetrode）。 4.0版本加載了新的複雜的數學算法和功能，包括分析重疊的波形、計算性噪比（signal-to-noise ratio ，SNR)、高切濾波（high-cut filtering）和數字濾波（digital referencing） 。 OFS v4.0還增加了更廣泛的功能，包括同時加載多個PL2文件、全新的L-Ratio 和Isolation Distance、Band 和Line sorting方法、對時間片段（Time Segments） 的命名和操作、保存成NeuroExplorer文件、新的掃描模式（scan modes）包括random initial seed 聚類、支持多Spike來源、支持在一個timeline窗口合併顯示連續信號和Spike信號、支持使用標準偏離和平均絕對偏離（MAD）來計算匹配度。

Offline Sorter™ (OFS)是⽬前最受認可和值得信賴的離線spike sorting軟體，有1700多篇已發表的文章引⽤了OFS，作為其研究⽅法的⼀部分。OFS還兼容其他許多數據採集公司的系統和軟體之文件類型。

現在的OFS v4是一款功能強大，易於使用的用於查看和分選動作電位波形（Spike）的工具，這些波形是之前通過single electrodes，stereotrodes和tetrodes采集得到的。Spike以“點”的形式顯示在兩維（2D）或三維（3D）的特征空間中，手動、半自動或全自動的聚類方法可以應用於對Spike的分類。OFS也可以使用各種不同的閾值方法，從連續記錄的神經數據中提取Spike。OFS允許通過一系列的顯示進行Sorting驗證，並可以計算聚類分離統計參數和質量指標。經過Sorting的Spike可以導出多種格式以進行後續分析。OFS v4也包含了全新的波形時間段顯示方式，包括cluster vs. time和sort quality vs.time，這樣就顯示出波形隨時間變化和發展的情況。有多種從連續數據中檢測Spike的方法可以被應用到，包括電壓閾值、信號能量和非線性能量。並且支持stereotrode和tetrode的Spike檢測。在Spike提取之前，低切濾波器可以被應用到獲取連續數據。同時OFS V4 增加了更多的新功能。比如同時分析多個數據文件，低通濾波，overlaps analysis等新功能。

Powerful waveform viewing and sorting 強大的波形顯示和分類功能

• 運用principal component projections、voltage slices in time、或者其他20多種波形參數（如：peak, valley, full-width at half maximum）的方法。
• Box sorting方法。
• 在time-voltage空間內進行波形選擇。
• Template模板匹配算法。
• Tetrode 和 Stereotrode 的波形提取。
• 神經元互相關分析和ISI放電間隔。
• 2D和3D空間內顯示波形密度。
• 波形校正。
• 去除小於ISI放電間隔的波形和運動噪音。
• Raster 顯示pike和連續數據。
• Sorting結果可導入PowerPoint中，並可打印。
• Sorting的統計數據。
• 波形特征和Sorting的統計數據可導入到MATLAB,Excel®或text 中。
• Sorting結果可導入到NeuroExplorer中。
• 對於任一通道可保存和調出特定的Sorting方法，overlaps analysis可以分解兩個或者多個重疊的波形，使sorting結果更可靠。
  

Tetrode Sorting

Clusters V.S. Time View

Time segmentation, adaptive sorting methods, and time-dependent analysis

• 將文件分割成時間片段，對每個時間片段單獨的查看和Sorting。
• Clusters vs. Time view顯示出聚類隨著時間的變化發展。
• Sort Quality vs. Time Segment graph 顯示出sort quality 隨時間的變化。
• Adaptive template sorting。
• Template vs. Time view。

Semi-automatic and automatic sorting
半自動和全自動Sorting
全自動分類算法的參數空間會通過圖形顯示質量指標的方法被自動掃描，為每個通道對手動的分類結果選擇合適的分類。自動掃描的結果可以保存為．SCAN文件。由於結合了新的批處理模式的命令，這個過程允許各種算法的運行。在快速手動Sorting之後，為每個通道對手動的分類結果選擇合適的分類。全自動分類方法包括valley seeking 、T-Distribution Expectation Maximization（E-M）等算法。
​半自動分類方法運用K-means、Standard E-M等算法。

聯繫我們

​