神經(jīng)元峰電位的檢測與分類方法研究分割的研究.pdf

1、神經(jīng)系統(tǒng)中，由于動(dòng)作電位（即峰電位）的發(fā)放有或無、傳輸無衰減的數(shù)字信號(hào)特性，神經(jīng)元通過對(duì)峰電位進(jìn)行編碼來表征信息，如發(fā)放速率，發(fā)放間隔等。在腦功能(知覺,運(yùn)動(dòng)）方面，峰電位的發(fā)放模式與行為密切相關(guān)。此外,峰電位的發(fā)放紊亂也會(huì)導(dǎo)致腦部的一些疾病（癲癇，抑郁癥)。因此，研究神經(jīng)元的鋒電位發(fā)放是研究神經(jīng)系統(tǒng)信息處理機(jī)制的關(guān)鍵。神經(jīng)元作為信息處理的基本功能和結(jié)構(gòu)單元，單個(gè)神經(jīng)元（single unit）的動(dòng)作發(fā)放特點(diǎn)一直倍受神經(jīng)生理學(xué)家的關(guān)注，

2、而將記錄到的峰電位信號(hào)按照神經(jīng)元進(jìn)行歸類（spike sorting）也就顯得極為重要。胞外單電極記錄作為一種非常成熟的神經(jīng)信號(hào)采集的傳統(tǒng)手段，在目前的神經(jīng)電生理學(xué)領(lǐng)域仍然被廣泛使用。由于胞外單電極記錄所獲得的信號(hào)含有比較高的背景噪音，而且依賴于不同的電極尖端阻抗和形狀，單根電極可能記錄到多個(gè)神經(jīng)元的信號(hào)，因此從單根電極電壓信號(hào)抽提和分類動(dòng)作電位一直是研究的熱點(diǎn)。近些年來，多電極陣列被越來越廣泛得用在電生理實(shí)驗(yàn)中，用于不同研究目的的形態(tài)

3、各異的多電極陣列也被開發(fā)出來。一種可用于峰電位分類的立體電極（tetrode）由于電極之間距離近，單個(gè)神經(jīng)元信號(hào)可被至少四根電極記錄到。聯(lián)合分析四個(gè)通道的信息進(jìn)行峰電位分類可以有效的提高分類的準(zhǔn)確率。
　　 本文首先對(duì)單通道峰電位的檢測與分類算法進(jìn)行了重點(diǎn)的研究與改進(jìn)，改進(jìn)后的算法有效的抑制了高強(qiáng)度背景噪聲及信號(hào)疊加的干擾，提高了單通道電信號(hào)中峰電位的檢出率和分類的正確性，然后通過具體的算法講述了多通道峰電位的檢測與分類的實(shí)現(xiàn)。

4、本文主要內(nèi)容包括：研究了一種基于數(shù)學(xué)形態(tài)學(xué)的單通道峰電位檢測算法實(shí)驗(yàn)中采集到的峰電信號(hào)，通常都含有不同種類、不同強(qiáng)度的噪聲，這對(duì)峰電位的檢測效果有一定影響。采用一種基于數(shù)學(xué)形態(tài)學(xué)復(fù)合操作對(duì)的降噪算法，對(duì)峰電信號(hào)檢測峰電位之前，進(jìn)行降噪處理，以降低噪聲對(duì)于檢測效果的影響。研究了一種融合了小波變換和核主成分分析的峰電位波形特征提取算法利用小波變換良好的時(shí)頻特性，以及和核主成分分析優(yōu)異的數(shù)據(jù)降維效果，將兩者適當(dāng)?shù)娜诤?，提出了一種新的峰電位波形

5、特征提取算法。此算法可以只用很少的特征量，便將峰電位波形的主要特征表述出來。對(duì)層次聚類算法進(jìn)行改進(jìn)，并應(yīng)用其實(shí)現(xiàn)峰電位分類應(yīng)用改進(jìn)的凝聚的層次聚類算法進(jìn)行峰電位的分類實(shí)現(xiàn)，不但操作簡單，而且無監(jiān)督，實(shí)用性好。具體算法講述多通道峰電位檢測與分類的實(shí)現(xiàn)設(shè)計(jì)一種基于多通道之間信息補(bǔ)償?shù)亩嗤ǖ婪咫娢粰z測與分類算法，此方法可以很好的提高單次實(shí)驗(yàn)中峰電位的檢出與分類正確率。將上述的方法結(jié)合使用，在如何對(duì)峰電位進(jìn)行有效分類的問題上，得到了很好的解決方