文件名称：matlab美白代码-KiloSort:用于尖峰排序的GPU代码
文件大小：771KB
文件格式：ZIP
更新时间：2024-06-08 16:58:03
系统开源
matlab美白代码 Kilosort2已发布！ 试试看 。 快速的尖峰分拣适用于数百个通道 实现一个集成的模板匹配框架，以检测和聚类来自多通道电生理记录的尖峰。 当GPU可用时非常快，但也可以在CPU端运行。 在此NIPS论文中进行了描述 Pachitariu M，Steinmetz NA，Kadir S，Carandini M和Harris KD（2016）。 使用Kilosort快速准确地对高通道数探针进行尖峰分选。 神经信息处理系统的进步。 4448-4456 以下预印本包含更多信息： Pachitariu M，Steinmetz NA，Kadir S，Carandini M和Harris KD（2016）。 Kilosort：具有数百个通道的实时尖峰分选，用于细胞外电生理学。 bioRxiv dx.doi.org/10.1101/061481 ，。 安装 如果您在GPU上运行，则在Matlab中设置mexcuda之后，必须在CUDA文件夹中运行mexGPUall。 在Windows 10中实现此目标的步骤如下： 有关更多详细信息和其他操作系统，请参见Docs文件夹。 Wind
【文件预览】：
KiloSort-master
----mergesplits()
--------distance_betwxt.m(335B)
--------merging_score.m(459B)
--------split_clust.m(2KB)
--------pairwise_dists.m(340B)
--------replace_clusters.m(2KB)
----configFiles()
--------createChannelMapFile.m(2KB)
--------PCspikes.mat(918B)
--------StandardConfig_MOVEME.m(5KB)
--------PCspikes2.mat(14KB)
----Docs()
--------readme_mac.txt(2KB)
--------phy_installation_with_templates.txt(469B)
--------readme_win_linux.txt(3KB)
----.gitattributes(378B)
----utils()
--------my_conv.m(491B)
--------my_sum.m(943B)
--------sq.m(36B)
--------normc.m(68B)
--------gather_try.m(60B)
--------my_conv2.m(2KB)
--------my_min.m(951B)
--------my_inv.m(109B)
--------getOr.m(712B)
----finalPass()
--------getWtW2.m(368B)
--------rezToPhy.m(5KB)
--------cpuMPmuFEAT.m(2KB)
----eMouse()
--------master_eMouse.m(3KB)
--------make_eMouseChannelMap.m(2KB)
--------make_eMouseData.m(4KB)
--------simulation_parameters.mat(673KB)
--------readme_eMouse.txt(938B)
--------benchmark_simulation.m(2KB)
--------compareClustering2.m(5KB)
--------config_eMouse.m(5KB)
----driftCorrection()
--------shift_matrix.m(264B)
--------collectRawClips.m(6KB)
--------shift_data.m(182B)
--------get_Uupdown.m(396B)
--------clusterAndDriftCorrection.m(4KB)
----merge_posthoc2.m(3KB)
----CUDA()
--------mexMPregMU.cu(11KB)
--------mexWtW2.cu(3KB)
--------mex_CUDA_win64.xml(10KB)
--------mexGPUall.m(611B)
--------mexMPmuFEAT.cu(14KB)
--------mex_CUDA_glnxa64.xml(3KB)
----preProcess()
--------isolated_peaks.m(344B)
--------get_PCproj.m(506B)
--------get_isolated.m(613B)
--------convertOpenEphysToRawBInary.m(2KB)
--------whiteningLocal.m(426B)
----initialize()
--------reduce_clusters0.m(755B)
--------merge_spikes0.m(570B)
--------optimizePeaks.m(3KB)
----fullMPMU.m(8KB)
----mainLoop()
--------update_params.m(1KB)
--------merge_spikes_in.m(939B)
--------decompose_dWU.m(833B)
--------alignWU.m(612B)
--------zeroOutKcoords.m(1KB)
--------reduce_clusters.m(844B)
--------mexMPregMUcpu.m(1KB)
--------initialize_waves0.m(2KB)
--------alignW.m(322B)
--------get_svds.m(733B)
----preprocessData.m(8KB)
----licence.txt(18KB)
----master_file_example_MOVEME.m(1KB)
----tests()
--------testCodeFromPhy.m(957B)
--------plotPCcoefs.m(110B)
--------gather_mean_spikes.m(2KB)
--------plot_final_waveforms.m(2KB)
--------plots_of_template_coefficients.m(2KB)
--------plot_waveforms.m(179B)
--------gather_raw_mean_spikes.m(2KB)
--------plot_waveforms2.m(3KB)
----.gitignore(618B)
----readme.md(9KB)
----fitTemplates.m(8KB)