《多电极记录神经元动作电位的检测和分类》由会员分享，可在线阅读，更多相关《多电极记录神经元动作电位的检测和分类（63页珍藏版）》请在金锄头文库上搜索。
1、多电极记录神经元动作电位的检测与分类摘要研究神经系统群体特征,既需要得到多个神经元同一时间的信息,又需要掌握单个神经元的放电序列。多电极细胞外记录是对神经系统进行研究的基本手段。多电极细胞外记录的方法经过了一定时间的发展,已经得到了广泛的应用。但是对多电极记录信号的处理一直是个难题。研究神经系统群体特征,需要掌握单个神经元的放电序列,然而细胞外记录到的信号一方面夹杂大量背景噪音,另一方面是电极区域多个神经元放电动作的叠加。如何将神经电信号从原始信号中准确提取出来,得知信号记录到的是多少个神经元活动的叠加,并且将信号中的动作电位归类于单个神经元,是一切研究解码过程的基础。目前已经有很多种方法,但
2、是第一步动作电位检测的方法始终不尽如人意。而如果这一步的结果不准确,后面的工作都仿佛空中楼阁。因此本文试图找到一种比较好的动作电位检测方法。本文提出的方法是,首先利用常用的阈值检测方法对原始数据进行初步的动作电位检测,然后利用主成分分析方法以及减法聚类获得动作电位的平均模板,以动作电位的平均波形作为形态学滤波器,重新对原始数据进行动作电位检测。此方法使用在模拟数据中,在各种噪声强度下效果均比阈值法有所提高,并且在存在基线漂移的情况下效果明显较好。最后将算法用到采集的实验数据样本中。关键词：动作电位检测,动作电位分类,阈值检测,形态学滤波器DETECTION AND SORTING OF ACT
3、ION POTENTIALS RECORDED BY MULTI-ELECTRODE SYSTEMABSTRACTTo understand the population behaviors in nervous system, we need both the real-time information each neuron carries, and the exact firing sequence of the individual neuron. Multi-electrode system is the fundamental tool for research in nervou
4、s system. With its development after years, multi-electrode system has been widely used. But the process of the signal extracted from multi-electrode system is still a big problem. We want the exact firing sequence of individual neuron, however, the signal is corrupted with a large amount of backgro
5、und noise and the signal may involve the firing activities of more than one neuron. To get all the spikes, count the number of neurons contributing to the signal, and find the neuron that fires each spike is the very first step of all the research. Many methods have been developed, but the first ste
6、p, spike detection is still not satisfying. Therefore, in this paper, a better method of spike detection is expected.This paper proposes a method combining threshold detection and morphological filter. Firstly, apply the threshold detection to the recorded data, and cluster the spikes with principal
7、 component analysis. Secondly, take the template of one cluster of spikes as the morphological filter. Finally, filter the raw data with the best morphological filter and redetect the filtered signal. This method works better than threshold detection with varied signal noise ratio. When the baseline
8、 shifts, the new method is not influenced while the threshold detection is apparently inferior. The method is also used to process real data.Key words: spike detection, spike sorting, threshold detection, morphological filter目录第一章绪论.11.1神经元动作电位记录系统11.2神经元动作电位检测的意义21.3动作电位检测的方法及发展概述31.3.1阈值检测法31.3.2窗
9、口检测41.3.3基于非线性能量算子的检测41.3.4 匹配滤波方法51.3.5 基于概率的检测51.3.6基于小波变换的检测51.4神经元动作电位的分类方法61.4.1模板匹配61.4.2基于特征分析的分类方法61.4.3 聚类方法71.5本章小结8第二章材料与方法102.1 模拟数据方法102.2神经元动作电位信号多电极记录系统112.2.1 多电极阵列112.2.2视网膜标本122.2.3灌流系统122.2.4 刺激和记录系统122.3 基于形态学滤波器的方法132.3.1动作电位检测方法142.3.2动作电位分类方法152.4 本章小结16第三章结果173.1将所提出算法用于模拟数据1
10、73.1.1阈值法检测与主成分分析173.1.2形态学滤波器的构建与滤波203.2两种方法对比结果223.3模拟基线漂移数据结果233.4真实实验数据结果253.5本章小结28第四章总结与展望30辞.33原文及译文34 / 第一章 绪论神经系统主导着人类的感知、思维,是体重要的调节系统。长久以来,神经系统的工作机理一直吸引着人类,进行不断的求知探索。然而由于神经系统的复杂性,许多问题仍然没有答案。人们已经知道,神经元是神经系统信息处理的基本单位。神经元之间通过丰富的突触联系构成复杂的功能性网络。对神经系统功能机制研究的一个有效途径在于对神经元构成的信号通路以及通过突触传递所实现的细胞间通讯进行
11、研究。神经系统的信息交流是以电信号和化学信号的形式进行的。动作电位是处于静息电位状态的细胞膜受到适当刺激而产生的膜电位变化,是实现神经传导的生理基础,神经元之间往往通过一系列动作电位信号的发放和传递来进行信息的传递、交流和处理。放电活动产生的电信号就像电报密码一样,要想揭开神经系统的神秘面纱,就要破译这些电密码的生理意义。而准确不失真地得到这些电信号是一切工作的第一步。神经学家不断地尝试用实验手段获得神经电信号,对其进行分析处理,破译神经电信号的编码。1.1神经元动作电位记录系统为了获得神经元的电信号信息,人们采用的方法是电极记录。电极的发展从单电极开始。神经微电极能够测量单个神经元的电位。经
12、历了结构和工艺的不断完善,现在的植入微电极可以测得神经元膜上电位变化,并通过后继的电路系统实现对这个微弱电信号的放大、滤波和变换等一系列处理。虽然单电极记录技术日趋完善,但随着对神经系统的深入探索,单电极记录并不能满足研究的需要。神经元信息处理中体现出的群体性越来越被人们关注。人们还发现中枢神经系统具有非常复杂的神经网络,神经系统对于外界刺激的感受和信息处理的每个过程都涉及多个神经元的共同作用。因此,要深入了解神经系统的工作机制,需要同时检测不同神经元的电位变化,研究它们的相互关系。为了深入研究神经元的编码机制中的协同机制,多电极记录技术新近得到很大发展。多电极记录使得同时记录多个神经元的同步
13、活动成为可能,为研究神经元之间的群体活动提供了实验基础。单个细胞植入式微电极常采用尖端暴露的绝缘细金属丝或毛细玻璃管,但这些技术不适合制作多个记录点的微电极。经过十多年的开发和试验,目前常用的多电极多由美国犹他大学开发的针形硅电极阵列1和美国密歇根大学开发的线性硅电极阵列2演变而来,与之配合的多通道记录设备也得到了良好发展。图1-1A所示为多电极阵列照片,B为电极阵列排布图以及平面电极表面放大图。A B图1-1 多电极阵列实物图MCS GmbH, Germany1.2神经元动作电位检测的意义多电极记录为神经科学研究提供了更好的资料,给研究带来更多更有用的信息。可同时记录多点神经电位,还可以对各
14、神经元之间的活动关系等进行研究。这都是以往单电极所不能比拟的。但是,多电极采取胞外记录方式,电极可能记录到其覆盖区域周围相邻多个神经元的电信号。同时,同一个神经元的信号,也可能被多个电极记录到。并且记录到的信号是神经元电信号与大量噪声的加和。从多电极记录到的信号中,真实准确地还原出每个神经元放电的信息,是对于放电编码研究的第一步。为了从夹杂噪声的信号中获得最有用的电信号信息,对放电序列的检测甄别十分关键。图1-2 多电极中一个电极记录到的放电活动图1-3 多电极记录数据局部放大图1-2号的采样率为40KHz。将图1-2号的前1000个采样点放大,如图1-3所示。可以看到,一方面记录到的信号有5
15、0Hz工频噪声以及大量的背景噪声存在,另一方面动作电位有多种形态,可能是记录到了不同神经元的放电活动,动作电位波形叠加产生,也可能是动作电位被噪声干扰产生形状畸变。多电极胞外记录的背景噪声较大,来源很多,例如：来自电极本身的阻抗,来自参考电极,远处神经元场电位的高频分量,由于电线等突然移动产生的电流3。面对这样的数据,首先需要把具有生理意义的动作电位信息从噪声中抽取出来。这一步称为动作电位的检测。动作电位的检测是后续数据处理过程的基础。要力求做到既不漏掉实际动作电位,又不将噪声误判为动作电位。如果第一步动作电位检测的方法不科学,结果准确度不够高的话,之后的动作电位分类以及一切计算及其结论都仿佛空中楼阁,难以站得住脚。对于这个关键问题,神经科学家们提出了基于各种原理的解决办法。关于各种方法的优劣很难一概而论。可以说,对于不同电极及数据,有不同的最优方法。1.3动作电位检测的方法及发展概述1.3.1阈值检测法动作电位检测最初和最简单的方法是阈值检测法。对大多数动作电位来说,其波形最明显的特征就是幅值。可以预先对数据本身设定阈值,判定动
