用途：面向 Neuropixels 高密度神经记录的全流程分析，基于 SpikeInterface 最佳实践，从原始数据到可复核的单元筛选结果。
主要能力：支持 Neuropixels 1.0、2.0 单探针与 4-shank 探针；读取 SpikeGLX（.ap.bin/.lf.bin/.meta）、Open Ephys（.continuous/.oebin）、NWB 格式（si.read_spikeglx/read_openephys/read_nwb）。流程含高通滤波、坏道检测、相位校正、公共参考（需按 shank 分别参考）、运动/漂移估计与校正（preset 如 nonrigid_fast_and_accurate）；可调用 Kilosort4、SpykingCircus2、Mountainsort5、Tridesclous2 排序（可用 Docker 运行外部排序器，run_sorter 用 folder= 参数，output_folder= 已弃用）；用 SortingAnalyzer 计算波形、模板、噪声、幅度、相关图、单元位置、模板相似度与质量指标（firing_rate、presence_ratio、snr、isi_violation、amplitude_cutoff）；支持阈值、UnitRefine 模型与 AI 辅助筛选，并导出 Phy 与 PNG 报告。
使用方式：需 Python ≥ 3.10，建议用 uv 安装 spikeinterface==0.105.0、probeinterface==0.4.0、neo==0.14.5 等。示例： uv pip install "spikeinterface==0.105.0" "probeinterface==0.4.0" "neo==0.14.5" 全流程脚本： python scripts/neuropixels_pipeline.py /path/to/spikeglx/data output/ --sorter kilosort4 --curation allen 另有 explore_recording.py、preprocess_recording.py、run_sorting.py、compute_metrics.py、export_to_phy.py 等脚本。
限制：文档标注部分内容为示例性，真实采集文件、原生排序器、GPU 运行与预训练模型未实际执行；UnitRefine 模型元数据要求 SI 0.102.0/scikit-learn 1.4.2，与 0.105.0 的兼容性未验证；0.105.0 无 export_to_nwb，且 read_phy 对非数值单元 ID 存在已知缺陷；阈值筛选与模型结果只作起点，不能保证单神经元分离。模型仅从可信来源加载，API 密钥用环境变量，勿硬编码。