Rastermap:神经数据可视化方法
rastermapa visualization method for neural data 项目地址:https://gitcode.com/gh_mirrors/ra/rastermap
项目介绍
Rastermap 是一个用于神经元数据发现的算法,由 Carsen Stringer 和 Marius Pachitariu 开发。该算法旨在高效处理并揭示神经群体记录中的结构。若您的研究中使用了 Rastermap 或此仓库中的分析代码,请确保引用对应的论文。Rastermap 支持 Python 3.8 及以上版本,并提供图形用户界面(GUI)以简化操作。它适用于多种场景,从大规模鼠脑皮层数据到小至大鼠海马体数据,乃至斑马鱼和宽场成像数据。
项目快速启动
要快速开始使用 Rastermap,您可以通过以下步骤进行安装:
简单安装(命令行)
-
确保 Anaconda 或 Python 3 已正确配置。
-
打开命令提示符或 Anaconda Prompt。
-
直接通过pip安装基础版 Rastermap:
pip install rastermap
若要包含 GUI 功能,使用:
pip install rastermap[gui]
使用 Conda 创建环境(推荐)
- 创建一个新的 Conda 环境:
(Python 3.9 和 3.10 同样适用。)conda create --name rastermap python=3.8
- 激活环境:
conda activate rastermap
- 在激活的环境中安装 Rastermap:
或者,包括 GUI:pip install rastermap
pip install rastermap[gui]
示例运行
对于本地文件,保存好您的神经数据(例如,spks.npy
和 ops.npy
),然后执行:
python -m rastermap --S spks.npy --ops ops.npy
若您在 Google Colab 中工作,则可以先挂载谷歌驱动器:
from google.colab import drive
drive.mount('/content/drive')
应用案例和最佳实践
- 大规模数据分析:演示如何处理超过200个神经元的老鼠大脑皮层数据。使用示例脚本
rastermap_largescale.ipynb
。 - 小型到中型数据集:展示如何分析少于200个神经元的数据,来自大鼠海马体的示例,参考
rastermap_singleneurons.ipynb
。 - 斑马鱼数据处理:适用于大型斑马鱼数据的处理方法,详情参见
rastermap_zebrafish.ipynb
。 - 宽场成像数据:展示了如何利用 Rastermap 处理宽场成像或其他非标准数据类型,具体可查看
rastermap_widefield.ipynb
。
这些 Jupyter 笔记本提供了如何准备数据、调用 Rastermap 函数及解析结果的详细指导。
典型生态项目
虽然没有直接列出特定的“生态项目”,但 Rastermap 的设计使其能够集成进现有的神经科学分析流程中,比如与 Suite2p 或 Facemap 等工具搭配使用。开发者和研究人员可以根据自己的需求,在他们的分析管道中整合 Rastermap。此外,由于其支持通过MATLAB接口调用,因此也间接地融入了MATLAB的生态系统,使得那些习惯于MATLAB环境的研究人员也能便捷地利用Rastermap的功能。
以上就是关于 Rastermap 的简明介绍、快速启动指南以及应用实例概览。希望这能帮助您迅速上手并有效利用这个强大的神经数据可视化工具。
rastermapa visualization method for neural data 项目地址:https://gitcode.com/gh_mirrors/ra/rastermap