脑机百科消息(bciwiki.com)，一种名为SpikeCleaner的算法能以97%的准确率自动标注神经单元的质量，减少人工筛选的工作量。该算法由密歇根大学安娜堡分校的研究人员开发，并于2026年7月30日上传至bioRxiv预印本平台，尚未经过同行评审。
SpikeCleaner旨在标准化自动尖峰排序后的单元质量标注，结合放电率、放电时间指标（自相关图）和波形特征（如峰值幅度、斜率、半宽和通道间相关性），将单元分类为良好、噪声和多单元活动。这些标签可直接导入Phy软件，作为人工审核的辅助工具。
研究人员将该算法与两位专家的人工标注结果进行了比较，在三个记录中，SpikeCleaner对单个单元的分类准确率达到97%，F1分数为92%；在完整类别（单个单元、多单元活动、噪声）的一致性上准确率为97%，F1分数为92%；在区分神经元与非神经元单元方面准确率为97%，F1分数为95%。
该算法针对高密度探针（如Neuropixels）产生的大量数据设计，一小时的数据可超过80GB，手动筛选已不可扩展。SpikeCleaner通过自动化标准标准，旨在加快数据筛选并确保数据集质量。