Open Skills Logo
Open Skills

neuropixels-analysis

Neuropixels神经信号记录分析。支持加载SpikeGLX/OpenEphys数据，进行预处理、运动校正、Kilosort4尖峰排序、质量指标评估、Allen/IBL人工筛选及AI辅助可视化分析，适用于Neuropixels 1.0/2.0细胞外电生理记录。适用于神经信号记录处理、尖峰排序、细胞外电生理学研究场景，或当用户提及Neuropixels、SpikeGLX、Open Ephys、Kilosort、质量指标、单元筛选等相关术语时调用。

作者

@K-Dense-AI

分类

其他工具

安装

热度:16

下载并解压到你的 skills 目录

复制命令，发送给 OpenClaw 自动安装：

下载并安装这个技能 https://openskills.cc/api/download?slug=k-dense-ai-scientific-skills-neuropixels-analysis&locale=zh&source=copy

Neuropixels 神经记录分析工具

技能概述


基于 SpikeInterface 的高密度 Neuropixels 神经记录分析工具，完整支持从原始数据到筛选单元的全流程处理，兼容 SpikeGLX、Open Ephys 等主流格式。

适用场景

1. Neuropixels 在体记录数据处理


处理 Neuropixels 1.0/2.0 高密度探针获取的神经电生理数据，包括 .ap.bin、.lf.bin 等原始格式，以及 NWB 格式的已存储数据。支持单探针和多探针（4-shank）记录。

2. 脉冲分类与质量筛选


运行 Kilosort4、SpykingCircus2、Mountainsort5 等主流脉冲分类算法，计算 SNR、ISI 违例率、存在比等质量指标，应用 Allen 研究所或 IBL 实验室的标准进行自动筛选。

3. 数据预处理与运动校正


自动检测坏通道、应用高通滤波、进行相位偏移校正（Neuropixels 1.0）、共平均参考。检测并校正记录过程中的探针漂移，支持刚性和非刚性校正模式。

核心功能

1. 完整分析流程一键执行


单个函数调用即可完成从预处理到筛选的全流程：run_pipeline() 自动串行执行数据加载、预处理、运动估计、脉冲分类、后处理和质量计算。

2. 主流格式与算法支持


  • 数据格式：SpikeGLX、Open Ephys、NWB

  • 脉冲分类：Kilosort4（GPU）、SpykingCircus2、Mountainsort5、Tridesclous2

  • 筛选标准：Allen Institute、IBL、自定义阈值

    • 3. AI 辅助视觉筛选


    对于质量指标处于边界值的单元，支持通过 Claude API 进行波形和自相关图视觉分析，提供类专家的筛选建议。在 Claude Code 环境中可直接交互式分析。

    常见问题

    Neuropixels 数据分析需要什么硬件要求？


    Kilosort4 推荐使用 GPU 加速，速度可提升 10-50 倍。若使用 CPU 分类器（如 SpykingCircus2），需要多核处理器和足够内存（建议 32GB+）。预处理和后处理支持并行计算。

    Neuropixels 1.0 和 2.0 数据处理有什么区别？


    主要区别在于相位偏移校正（phase_shift）：Neuropixels 1.0 必须应用此校正，而 Neuropixels 2.0 不需要。2.0 探针电极密度更高（1280 vs 960 电极），但处理流程相同。

    分析完的数据可以导出什么格式？


    支持导出到 Phy（用于手动筛选）、NWB（通用神经数据格式）、CSV（质量指标）等格式。SortingAnalyzer 对象包含波形、模板、幅度等完整结果，可进一步分析。