Combining Algebraic Approach with Extreme Value Theory for Spike Detection
Résumé
This paper uses the Extreme Value Theory (EVT) for threshold selection in a previously proposed algebraic spike detection method. The algebraic method characterizes the occurrence of a spike by an irregularity in the neural signal and devises a nonlinear (Volterra) filter which enhances the presence of such irregularities. These appear as (positive) high amplitude pulses in the output signal. The pulses are isolated. We then interpret the occurrence of a spike as a rare and extreme event that we model in the framework of EVT. With this model, we derive an explicit expression of the decision threshold corresponding to a given probability of false-alarm. Simulation results show that the empirical probability of false alarm is close to the predicted one by applying the derived theoretical threshold.
Cet article utilise la théorie des valeurs extrêmes (EVT) pour la sélection du seuil dans une méthode algébrique de détection de spike proposée précédemment. La méthode algébrique caractérise l'apparition d'un spike par une irrégularité dans le signal neuronal et détermine un filtre non-linéaire (de Volterra) qui permet de rehausser la présence de ces irrégularités. Celles-ci apparaissent comme des impulsions de forte amplitude sur le signal de sortie. Les impulsions sont isolées. Nous les interprétons comme des événements rares et extrêmes qui nous modélisons dans le cadre EVT. Avec ce modèle, nous obtenons une expression explicite du seuil de décision correspondant à une probabilité de fausse alarme donnée. Les résultats des simulations montrent que la probabilité de fausse alarme empirique est proche de celle prédite par l'application du seuil théorique ainsi obtenue.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...