隨著人工智能技術(shù)和腦神經(jīng)科學(xué)的發(fā)展,腦智能和機(jī)器智能融合的混合智能應(yīng)用和技術(shù)已成為交叉學(xué)科的熱門課題。睡眠作為所有生物必須進(jìn)行的生理性活動(dòng)一定有許多秘密等待被挖掘。因此對(duì)于睡眠機(jī)理的研究在神經(jīng)科學(xué)領(lǐng)域掀起小熱潮。海馬體的神經(jīng)回路在生物的學(xué)習(xí)記憶功能中扮演著很重要的角色。當(dāng)小鼠在睡眠或半清醒狀態(tài)下,在小鼠腦區(qū)的海馬體結(jié)構(gòu)的神經(jīng)回路中,神經(jīng)元的局部場(chǎng)電位經(jīng)常重復(fù)著特定的神經(jīng)振蕩活動(dòng)。為了進(jìn)一步研究睡眠對(duì)于學(xué)習(xí)記憶功能的影響,首先需要研究睡眠狀態(tài)下實(shí)時(shí)檢測(cè)和干預(yù)海馬區(qū)中那些特定重復(fù)的振蕩活動(dòng)的方法。因此本文設(shè)計(jì)實(shí)現(xiàn)了小鼠睡眠檢測(cè)干預(yù)的閉環(huán)混合智能系統(tǒng)。本文設(shè)計(jì)采用Plexon公司的64位神經(jīng)信號(hào)數(shù)據(jù)采集系統(tǒng)、基于串口通訊的USB脈沖發(fā)射器、光控刺激設(shè)備共同組成系統(tǒng)的硬件部分,同時(shí)基于Juce類庫(kù)和Open-Ephys開發(fā)平臺(tái)設(shè)計(jì)開發(fā)可視化控制終端作為系統(tǒng)的軟件部分,共同組成完整的小鼠睡眠檢測(cè)干預(yù)閉環(huán)系統(tǒng)。整個(gè)系統(tǒng)具有檢測(cè)低時(shí)延、無(wú)人工參與的閉環(huán)運(yùn)行的兩大特點(diǎn)。最后系統(tǒng)通過(guò)分析小鼠睡眠中Ripple振蕩事件發(fā)生的頻率作為系統(tǒng)檢測(cè)干預(yù)效果的指標(biāo)。結(jié)果表明,系統(tǒng)可以有效檢測(cè)小鼠睡眠的振蕩波并成功干...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
        1.1.1 生物機(jī)器結(jié)合的混合智能系統(tǒng)研究現(xiàn)狀
        1.1.2 神經(jīng)信息采集和現(xiàn)狀
        1.1.3 腦區(qū)域神經(jīng)信息研究現(xiàn)狀
        1.1.4 干預(yù)生物智能方法研究現(xiàn)狀
    1.2 本文的內(nèi)容和主要貢獻(xiàn)
    1.3 文章結(jié)構(gòu)
第2章 相關(guān)技術(shù)基礎(chǔ)
    2.1 采集系統(tǒng)相關(guān)設(shè)備和技術(shù)
        2.1.1 采集電極和探針
        2.1.2 Plexon設(shè)備
    2.2 小鼠腦區(qū)神經(jīng)信號(hào)機(jī)理
        2.2.1 海馬體、記憶、睡眠和腦區(qū)振蕩波活動(dòng)
        2.2.2 非侵入式光控刺激原理
    2.3 腦電信號(hào)處理技術(shù)
        2.3.1 腦電信號(hào)預(yù)處理技術(shù)
        2.3.2 腦電信號(hào)特征提取技術(shù)
        2.3.3 腦電信號(hào)特征分類技術(shù)
    2.4 軟件開發(fā)技術(shù)
        2.4.1 Juce音頻處理框架
        2.4.2 Open-Ephys模塊開發(fā)平臺(tái)
    2.5 本章小結(jié)
第3章 Ripple檢測(cè)算法與性能分析
    3.1 Ripple振蕩波檢測(cè)的神經(jīng)學(xué)原理
    3.2 算法實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備
        3.2.1 模擬數(shù)據(jù)
        3.2.2 真實(shí)數(shù)據(jù)
    3.3 Ripple振蕩波實(shí)時(shí)檢測(cè)算法
        3.3.1 滑動(dòng)窗格閾值法PWT
        3.3.2 啟發(fā)式包絡(luò)線閾值法HBT
        3.3.3 包絡(luò)線平滑檢測(cè)法EDF
        3.3.4 異常事件檢測(cè)CUSUM法
        3.3.5 算法綜合分析
    3.4 本章小結(jié)
第4章 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
    4.1 系統(tǒng)功能需求定義
        4.1.1 關(guān)鍵功能
        4.1.2 高可用性
        4.1.3 高性能
        4.1.4 高可復(fù)用性
    4.2 系統(tǒng)整體架構(gòu)及關(guān)鍵功能解決方案設(shè)計(jì)
        4.2.1 系統(tǒng)整體架構(gòu)
        4.2.2 局部場(chǎng)電位神經(jīng)信號(hào)采集方案
        4.2.3 局部場(chǎng)電位檢測(cè)分析方案
        4.2.4 閉環(huán)系統(tǒng)干預(yù)反饋方案
    4.3 詳細(xì)結(jié)構(gòu)組成
        4.3.1 硬件組成
        4.3.2 軟件組成
        4.3.3 系統(tǒng)性能指標(biāo)
    4.4 硬件系統(tǒng)展示
    4.5 本章小結(jié)
第5章 可視化控制終端設(shè)計(jì)與實(shí)現(xiàn)
    5.1 可視化控制終端總體需求描述
    5.2 系統(tǒng)軟件模塊需求描述
        5.2.1 硬件控制功能需求
        5.2.2 軟件補(bǔ)充功能需求
        5.2.3 系統(tǒng)其它需求描述
    5.3 可視化控制終端架構(gòu)設(shè)計(jì)
    5.4 可視化控制終端實(shí)現(xiàn)
        5.4.1 核心模塊設(shè)計(jì)開發(fā)
    5.5 系統(tǒng)展示與性能分析
        5.5.1 系統(tǒng)環(huán)境
        5.5.2 性能分析
    5.6 本章小結(jié)
第6章 總結(jié)和展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝



本文編號(hào)：3858825