基于位置細(xì)胞的大鼠運(yùn)動(dòng)軌跡解碼研究.pdf

1、利用神經(jīng)元活動(dòng)信息解碼動(dòng)物運(yùn)動(dòng)軌跡是神經(jīng)科學(xué)研究的前沿課題之一，對(duì)于解析大腦信息處理機(jī)制、腦機(jī)接口等都有著十分重要的意義。在運(yùn)動(dòng)軌跡解碼中，建立位置編解碼模型是其中一個(gè)重要的研究?jī)?nèi)容。然而，由于神經(jīng)系統(tǒng)的復(fù)雜性和神經(jīng)活動(dòng)的非平穩(wěn)、非線性特性，使得解碼動(dòng)物運(yùn)動(dòng)軌跡成為神經(jīng)科學(xué)中最棘手的問(wèn)題之一，因此如何建立位置編碼模型和運(yùn)用解碼算法依然是目前運(yùn)動(dòng)軌跡解碼的核心和關(guān)鍵。
　　本文根據(jù)大鼠海馬區(qū)位置細(xì)胞的神經(jīng)元響應(yīng)特性，建立了大鼠運(yùn)動(dòng)軌

2、跡的集群位置編碼模型，主要研究了粒子濾波（Particle Filter，PF）在大鼠運(yùn)動(dòng)軌跡解碼中的性能，并與擴(kuò)展卡爾曼濾波算法（Extended Kalman Filter，EKF）和無(wú)跡卡爾曼濾波算法算法（Unscented Kalman Filter，UKF）進(jìn)行了對(duì)比。主要內(nèi)容包括：
　　（1）本文根據(jù)大鼠海馬區(qū)位置細(xì)胞的發(fā)放特性，建立了針對(duì)單個(gè)位置細(xì)胞的位置編碼模型，即位置細(xì)胞的位置野模型。為了解碼大鼠運(yùn)動(dòng)軌跡，本文基

3、于狀態(tài)空間模型，又建立了針對(duì)多個(gè)位置細(xì)胞聯(lián)合的集群位置編碼模型。
　?。?）本文通過(guò)仿真位置細(xì)胞的位置野，并結(jié)合仿真軌跡得到仿真位置細(xì)胞的鋒電位仿真數(shù)據(jù)。實(shí)測(cè)數(shù)據(jù)來(lái)自紐約大學(xué)公共數(shù)據(jù)平臺(tái)，并介紹了手術(shù)及訓(xùn)練過(guò)程，本文使用數(shù)學(xué)形態(tài)學(xué)濾波的方法從原始數(shù)據(jù)中檢測(cè)鋒電位，之后使用主成份分析法提取鋒電位特征，最后使用K-均值聚類方法進(jìn)行分類。
　?。?）本文所建立的大鼠運(yùn)動(dòng)軌跡編碼模型屬于非線性模型，首先使用了傳統(tǒng)的非線性濾波算法：E

4、KF來(lái)解碼大鼠運(yùn)動(dòng)軌跡，由于EKF直接將非線性函數(shù)經(jīng)過(guò)泰勒級(jí)數(shù)展開(kāi)后，進(jìn)行線性化處理。再使用線性卡爾曼濾波進(jìn)行解碼，使得解碼精度遇到瓶頸。針對(duì)該問(wèn)題，本文又使用了UKF算法，采用對(duì)稱Sigma點(diǎn)采樣，使得解碼精度有所提高。為了達(dá)到更高的解碼精度，本文重點(diǎn)介紹了PF算法，PF算法以點(diǎn)過(guò)程估計(jì)為基礎(chǔ)，利用粒子集表示系統(tǒng)狀態(tài)，擺脫了解決非線性解碼問(wèn)題時(shí)隨機(jī)量必須滿足高斯分布的制約，更能體現(xiàn)神經(jīng)信息解析連貫性的特點(diǎn)，提高了運(yùn)動(dòng)軌跡預(yù)測(cè)的準(zhǔn)確性。

5、
　?。?）給出了解碼精度的評(píng)價(jià)指標(biāo)。通過(guò)仿真數(shù)據(jù)，并分別使用以上三種算法解碼大鼠運(yùn)動(dòng)軌跡，以此證明解碼算法的可行性。同時(shí)探討了不同位置細(xì)胞個(gè)數(shù)對(duì)解碼精度的影響。
　　（5）針對(duì)實(shí)測(cè)數(shù)據(jù)，本文給出了如何從實(shí)測(cè)數(shù)據(jù)提取位置細(xì)胞發(fā)放的方法，并使用對(duì)應(yīng)位置細(xì)胞的發(fā)放數(shù)據(jù)作為實(shí)測(cè)數(shù)據(jù)進(jìn)行軌跡解碼，并計(jì)算評(píng)價(jià)指標(biāo)數(shù)據(jù)。結(jié)果表明：粒子濾波算法解碼出的軌跡與真實(shí)軌跡之間的相關(guān)系數(shù)（0.92，0.94）與無(wú)跡卡爾曼濾波得出的相關(guān)系數(shù)（0.8