本文關(guān)鍵詞：基于寬頻帶記錄信號的神經(jīng)元鋒電位檢測分類新方法及其應(yīng)用

  更多相關(guān)文章： 寬頻帶記錄信號 高頻刺激 鋒電位檢測 鋒電位分類 多通道窗口法 模板匹配法

【摘要】：神經(jīng)元細胞外動作電位(即鋒電位)的檢測和分析是研究大腦神經(jīng)系統(tǒng)編碼機制和信號處理機制的基礎(chǔ)。微電極陣列記錄技術(shù)為神經(jīng)元鋒電位記錄提供很好的工具,但是,要從記錄信號中正確并有效地檢出鋒電位并分類,尤其是甄別出鋒電位所屬的神經(jīng)元類型,目前還存在著許多亟待解決的問題。 本文解決了其中的兩個問題：如何直接利用寬頻帶記錄信號來實現(xiàn)鋒電位的檢測和分類；如何檢測高頻電刺激期間的鋒電位。這些問題的解決對于利用鋒電位波形正確甄別神經(jīng)元類型以及探索深部腦刺激作用的機制都具有重要意義。 在鋒電位的分析過程中,通常要先對原始實驗記錄信號進行濾波,消除高頻噪聲和低頻場電位等干擾,然后再對鋒電位進行檢測和分類。但濾波會使鋒電位的波形發(fā)生畸變,由此影響鋒電位分類的準確性,尤其是神經(jīng)元類型的甄別。例如,海馬區(qū)中間神經(jīng)元的鋒電位波形通常比錐體神經(jīng)元的波形要窄,而高通濾波會使錐體神經(jīng)元的較寬的波形變窄,從而使兩種神經(jīng)元的鋒電位波形變得相似,給兩者之間的區(qū)分造成困難。為了解決這一問題,本文設(shè)計出能夠不經(jīng)濾波的基于寬頻帶記錄信號的鋒電位檢測分類算法。通過多通道窗口法進行鋒電位檢測,并利用自適應(yīng)特征提取的方法,獲得16-25個特征指標用于鋒電位分類同時區(qū)分鋒電位的神經(jīng)元類型。通過鋒電位檢測分類結(jié)果的評價指標,以仿真數(shù)據(jù)和實驗記錄數(shù)據(jù)的檢驗結(jié)果證明：該多通道窗口法能夠從包含低頻場電位的寬頻帶信號中準確地檢測鋒電位；而且,本文所設(shè)計的自適應(yīng)特征提取法也能夠準確區(qū)分寬頻帶信號中幅值相近的錐體神經(jīng)元和中間神經(jīng)元發(fā)放的鋒電位波形,為鋒電位的準確分類以及神經(jīng)元類型的正確判別提供了一種新的、有效的方法。 本文還進一步拓展上述鋒電位分析方法,設(shè)計適用于深部腦區(qū)高頻電刺激期間寬頻帶信號鋒電位分析的模板匹配法。高頻刺激時,寬頻帶記錄信號中含有大幅值的刺激偽跡和刺激誘發(fā)的群峰電位(population spike,PS),它們經(jīng)過高通濾波會產(chǎn)生“振蕩”波形,影響幅值相對較小的鋒電位的檢測和分類。因此,本文提出一種新的模板匹配算法來實現(xiàn)刺激期間鋒電位的檢測和分類。首先從刺激期間信號中提取出鋒電位模板,然后用該模板檢測某類鋒電位。為了提高該算法的運行速度,采取2個措施：1)以預(yù)先設(shè)定的移動窗中信號段的最大最小值之差為閾值先進行初步篩選,保留可能是鋒電位的信號段再與模板進行匹配,從而完成鋒電位的檢測和分類。2)在MATLAB程序中調(diào)用預(yù)編譯的C語言模板匹配算法程序,使分析計算時間減少為原先純MATLAB程序的1/40,極大地提高了信號處理的效率。通過實驗數(shù)據(jù)的驗證,其結(jié)果表明：該模板匹配法能夠直接從包含刺激偽跡和PS波的寬頻帶信號中準確地檢測并分類鋒電位,而無需去除偽跡和PS波。 綜上所述,本文設(shè)計的基于寬頻帶記錄信號的鋒電位檢測和分類新方法,能夠直接對未經(jīng)處理的原始記錄信號進行分析；并且應(yīng)用于高頻刺激間期的鋒電位分析；此外,還適用于電流源定位等不能濾波分析的情況。這些方法為電刺激等大干擾情形下的鋒電位分析的研究提供新方法。
【關(guān)鍵詞】：寬頻帶記錄信號 高頻刺激 鋒電位檢測 鋒電位分類 多通道窗口法 模板匹配法
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R338;TN911.23
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 目錄9-12
• 第1章 緒論12-20
• 1.1 研究的目的和意義12-13
• 1.2 鋒電位信號檢測與分類的發(fā)展13-15
• 1.3 高頻刺激期間寬頻帶記錄信號的鋒電位檢測分類影響因素15-16
• 1.4 本文研究內(nèi)容16-17
• 1.5 本文創(chuàng)新點17-20
• 第2章 基于寬頻帶記錄信號的鋒電位檢測和分類新方法20-30
• 2.1 動物實驗記錄20
• 2.2 濾波對鋒電位波形的影響20-21
• 2.3 基于寬頻帶記錄信號的鋒電位檢測新方法21-24
• 2.4 基于寬頻帶記錄信號的鋒電位分類新方法24-28
• 2.4.1 鋒電位特征提取24-26
• 2.4.2 鋒電位聚類算法26-28
• 2.5 鋒電位檢測分類結(jié)果評價參數(shù)28-29
• 2.6 本章小結(jié)29-30
• 第3章 高頻刺激期間寬頻帶信號的鋒電位分析新方法30-46
• 3.1 刺激信號和刺激電極30-31
• 3.2 刺激偽跡和PS誘發(fā)波31-33
• 3.3 高頻刺激期間寬頻帶信號的鋒電位檢測分類新方法33-38
• 3.3.1 模板匹配法34-35
• 3.3.2 高頻刺激期間寬頻帶信號的鋒電位檢測分類新算法原理35-38
• 3.4 鋒電位分析程序運行時間優(yōu)化及實現(xiàn)38-44
• 3.4.1 編譯器安裝38
• 3.4.2 編寫C函數(shù)38-42
• 3.4.3 編譯C文件42-43
• 3.4.4 運行時間評估43-44
• 3.5 鋒電位發(fā)放序列的光柵圖與直方圖分析44
• 3.6 本章小結(jié)44-46
• 第4章 海馬區(qū)寬頻帶記錄信號的鋒電位分析結(jié)果46-56
• 4.1 寬頻帶記錄信號的鋒電位檢測分析46-50
• 4.1.1 寬頻帶記錄信號的鋒電位檢測仿真分析46-48
• 4.1.2 寬頻帶記錄信號的鋒電位檢測實驗分析48-50
• 4.2 寬頻帶記錄信號的鋒電位分類分析50-54
• 4.2.1 寬頻帶記錄信號的鋒電位分類仿真分析50-52
• 4.2.2 寬頻帶記錄信號的鋒電位分類實驗分析52-54
• 4.3 本章小結(jié)54-56
• 第5章 海馬區(qū)高頻刺激期間寬頻帶記錄信號的鋒電位分析結(jié)果56-66
• 5.1 反向高頻刺激期間寬頻帶信號的鋒電位分析56-60
• 5.1.1 模板的獲取57
• 5.1.2 反向高頻刺激期間寬頻帶記錄信號的結(jié)果57-59
• 5.1.3 反向高頻刺激期間的神經(jīng)元發(fā)放變化59-60
• 5.2 正向高頻刺激期間寬頻帶信號的鋒電位分析60-64
• 5.2.1 模板的獲取60-61
• 5.2.2 正向高頻刺激期間寬頻帶記錄信號的結(jié)果61-63
• 5.2.3 正向高頻刺激期間的神經(jīng)元發(fā)放變化63-64
• 5.3 算法的運算優(yōu)化結(jié)果64-65
• 5.4 本章小結(jié)65-66
• 第6章 討論66-70
• 6.1 基于寬頻帶記錄信號的鋒電位檢測分類結(jié)果分析66-67
• 6.1.1 基于寬頻帶記錄信號的鋒電位檢測結(jié)果分析66-67
• 6.1.2 基于寬頻帶記錄信號的鋒電位分類結(jié)果分析67
• 6.2 高頻刺激期間寬頻帶記錄信號的鋒電位檢測分類結(jié)果分析67-70
• 第7章 總結(jié)與展望70-72
• 7.1 結(jié)論70-71
• 7.2 展望71-72
• 參考文獻72-78
• 致謝78-80
• 作者簡歷80-82
• 攻讀碩士期間發(fā)表的論文82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 牛意堅;劉濤;;基于窗口法的改進鋒電位檢測算法[J];計算機與數(shù)字工程;2012年02期

2 姚舜,劉海龍,陳傳平,李向?qū)?一種獲取鋒電位的峰值檢測算法的改進方案[J];生物醫(yī)學(xué)工程研究;2005年01期

3 王靜;封洲燕;;多通道神經(jīng)元鋒電位檢測和分類的新方法[J];生物化學(xué)與生物物理進展;2009年05期

4 封洲燕;王靜;汪洋;鄭曉靜;;神經(jīng)元鋒電位信號濾波頻率的選擇[J];浙江大學(xué)學(xué)報(工學(xué)版);2012年02期

5 楊彭舉;封洲燕;孫靜;;獨立分量分析在神經(jīng)元鋒電位分類中的一種新應(yīng)用[J];中國生物醫(yī)學(xué)工程學(xué)報;2011年04期

6 封洲燕;肖乾江;胡振華;;電刺激期間神經(jīng)細胞單元鋒電位的檢測[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王靜;多通道鋒電位信號分析的新方法及其在海馬神經(jīng)元發(fā)放特性研究中的應(yīng)用[D];浙江大學(xué);2011年

2 鄭曉靜;大鼠海馬區(qū)電刺激抑制癲癇的作用機制研究[D];浙江大學(xué);2011年

，

本文編號：658708