在 MATLAB 中计算 PSTH（蠕动时间直方图）的矢量化方法

Question

我有一个尖峰时间向量（来自神经元的动作电位）和一个刺激事件时间戳向量。我想创建一个 PSTH 来看看刺激是否会影响神经元的尖峰率。我可以通过循环遍历每个刺激事件来做到这一点（请参见下面的简单示例），但这对于有超过 30,000 个刺激事件并且正在记录许多神经元的长时间实验来说非常慢。

如何在没有 for 循环的情况下完成此操作？

慢速方式示例：

% set variables
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;
for iStim = 1:length(stimTimes)
    % find spikes within time window
    inds = find((spikeTimes > (stimTimes(iStim) - preStimTime)) & (spikeTimes < (stimTimes(iStim) + postStimTime)));
    % align spike times to stimulus onset
    stimONtimes = spikeTimes(inds) - stimTimes(iStim);
    % store times in array for plotting
    PSTH_array(iStim,1:length(stimONtimes)) = stimONtimes;
end

Answer 1

最好的方法可能是只使用现有的直方图函数。它们非常快，应该可以为您提供所需的所有信息。当然，这是假设垃圾箱不重叠的情况。鉴于您的示例数据：

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

，具体取决于您想要的结果以及您拥有的 MATLAB 版本。我将使用

histc

（因为我没有那么多花哨的东西），但所有三个函数的输入都是相同的。您对

histcounts

多了一个输出（

edges

，这对我们来说毫无用处），对

discretize

（实际计数）少了一个输出。

[N, IDX] = histc(spikeTimes, bins)

N =    
   3   0   0   1   2   0   0   0   0   0

IDX =    
   1   1   1   4   5   5

由于垃圾箱包括

(T(i) + postStimTime)

和

(T(i+1) - preStimTime)

之间的时间，我们需要每隔一个垃圾箱取走：

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峰值感兴趣，并且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

结果与我们最初得到的一致：箱 1 中有 3 个尖峰，箱 3 中有 2 个尖峰。

Answer 2

这是一个对所有尖峰进行单循环并有两个假设的解决方案：

• 刺激时间是固定间隔的
• 刺激间隔大于 PSTH 间隔

假设刺激时间是固定间隔的：

delta_times = mean(diff(stimTimes));
assert(max(abs(diff(stimTimes)-delta_times))<1e-3);

现在我们将尖峰时间与第一次刺激之前的 preStimTime 对齐：

spikeTimes0 = spikeTimes - stimTimes(1) + preStimTime;

现在我们希望使用第二个假设来计算每个尖峰的刺激：

assert((postStimTime-preStimTime)<dekta_times);
stimuli_index = floor(spikeTimes0 / delta_times); 

相对于该刺激进行计算：

spike_time_from_stimuli = spikeTimes0 - stimuli_index*delta_times;

现在让我们构建 PSTH，精度为 0.01（与所有其他时间的单位相同）：

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