在尖峰分类和手动精修之后，如何客观地评估每个单元的质量？如何设定合理的阈值进行自动筛选？本文将详细介绍SI提供的各种质量指标，帮助你建立科学的质量评估体系。
（
SpikeInterface
）
一、为什么需要质量指标？
尖峰分类的结果中，不可避免地会包含：
假阳性(False Positives)：噪声被误识别为spike
假阴性(False Negatives)：真实的spike未被检测到
混合单元(Mixed Units)：多个神经元的信号混在一起
质量指标提供了客观的量化标准，帮助我们筛选可靠的神经元用于后续分析。
（
SpikeInterface
）
二.核心质量指标
2.1 发放率(Firing Rate）
定义：单元的平均发放频率(Hz）
解读：
过低的发放率(<0.05Hz)：可能是噪声
推荐阈值：>0.1 Hz
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/firing_rate.html
2.2 信噪比(SNR，Signal-to-Noise Ratio)
定义：波形峰值幅度与背景噪声标准差的比值
解读：
SNR<3：低质量，可能是噪声
SNR>5：高质量单元
推荐阈值：>5
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/snr.html
2.3 不应期违规率(ISI Violations Ratio)
定义:在不应期(通常2ms)内的spike比例
神经元有绝对不应期(约1-2ms)，正常情况下不应出现间隔过短的spike。
解读：
ISI违规率<0.1:优秀
ISI违规率>0.5:可能是混合单元
推荐阈值：<0.1
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/isi_violations.html
2.4存在比例(Presence Ratio)
定义：单元有发放的录制时间比例
解读：
存在比例接近1：单元在整个录制期间都活跃
推荐阈值：> 0.9
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/presence_ratio.html
2.5 幅度截断(Amplitude Cutoff)
定义：幅度分布底部被截断的比例
解读：
幅度截断<0.1：幅度分布完整
推荐阈值：<0.1
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/amplitude_cutoff.html
2.6 隔离距离(Isolation Distance)
定义：基于PCA特征的Mahalanobis距离，衡量单元与其他单元的分离程度
解读：
隔离距离>20：分离良好
推荐阈值：>10
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/isolation_distance.html
2.7 轮廓系数(Silhouette Score)
定义：基于PCA特征的轮廓系数，衡量聚类质量
解读：
轮廓系数>0.5：聚类质量好
推荐阈值：>0.5
参考：
https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics/silhouette_score.html
（
SpikeInterface
）
三.计算所有质量指标
代码参考：
https://spikeinterface.readthedocs.io/en/latest/tutorials/qualitymetrics/
（
SpikeInterface
）
四.基于质量指标的自动精修
4.1 简单阈值筛选
4.2 使用Curation模块
（
SpikeInterface
）
五.完整代码示例
（
SpikeInterface
）
六.下一步
掌握了质量指标后，下一步可以学习：
多分类器比较：比较不同分类器的结果
跨会话追踪：追踪同一神经元在不同会话中的活动
参考资源：
Quality Metrics Tutorial: https://spikeinterface.readthedocs.io/en/latest/tutorials/qualitymetrics/
Quality Metrics API: https://spikeinterface.readthedocs.io/en/latest/modules/qualitymetrics.html
有任何问题或建议，欢迎在评论区留言讨论！
