動(dòng)作電位模式識(shí)別及神經(jīng)元網(wǎng)絡(luò)頻率特性研究.pdf

1、由于植入式多電極陣列技術(shù)的快速發(fā)展，使得大量神經(jīng)元?jiǎng)幼麟娢?spike)序列的獲取成為可能。但多電極陣列某個(gè)通道獲取的信號(hào)往往是電極鄰近區(qū)域多個(gè)神經(jīng)元的spike疊加而成，因此如何對(duì)多電極陣列采集到的神經(jīng)電信號(hào)進(jìn)行模式分類，以獲取表征神經(jīng)信息編碼的spike序列，成為后續(xù)神經(jīng)編碼機(jī)制研究的前提和基礎(chǔ)。
　　 本文首先從spike信號(hào)波形的時(shí)頻特性出發(fā)，分析小波基函數(shù)對(duì)spike分類性能的影響，然后采用多小波融合特征方法對(duì)spik

2、e波形進(jìn)行特征提取，并結(jié)合KS檢驗(yàn)方法實(shí)現(xiàn)高維特征空間的降維，實(shí)現(xiàn)非同源spike的模式分類。然后從spike波形非平穩(wěn)和非線性特點(diǎn)出發(fā)，根據(jù)信號(hào)梯度排列組合熵的方法提取spike波形的波動(dòng)特征，分析非同源spike波形的信息量和復(fù)雜度特征，并結(jié)合尋谷聚類算法實(shí)現(xiàn)有效特征向量的分類。實(shí)驗(yàn)結(jié)果表明，以上兩種方法從spike信號(hào)的特性出發(fā)，在spike信號(hào)的分類中具有一定的有效性。在神經(jīng)元spike模式分類基礎(chǔ)上，對(duì)神經(jīng)元頻率編碼進(jìn)行研究，

3、并根據(jù)Hodgkin-Huxley(H-H)模型增加反饋延遲機(jī)制，分析輸入輸出頻率的關(guān)系。首先在單個(gè)H-H模型上分析神經(jīng)元的放電機(jī)制，再以雙層H-H模型為例探討網(wǎng)絡(luò)結(jié)構(gòu)的影響。
　　 本文的主要研究工作及成果如下：
　　 (1)簡(jiǎn)述了神經(jīng)元spike模式分類及神經(jīng)信息編碼的意義和前景，對(duì)現(xiàn)有的spike分類方法及信息編碼機(jī)制進(jìn)行分析，并對(duì)各種方法的有效性及局限性進(jìn)行總結(jié)。
　　 (2)考慮到傳統(tǒng)小波變換方法在基函

4、數(shù)選擇時(shí)的主觀性及動(dòng)作電位特性描述時(shí)的片面性，本文采用多小波特征融合的神經(jīng)元?jiǎng)幼麟娢恍盘?hào)分析方法，充分利用各類小波基的互補(bǔ)性，在時(shí)頻域上進(jìn)行spike特征的全面刻畫。實(shí)驗(yàn)結(jié)果表明，本文提出的多小波融合特征方法具有較好的分類效果，例如由sym5和bior2.4兩類小波基的融合特征錯(cuò)分率基本分布在0.65％～1.17％。因此多小波融合特征方法能加強(qiáng)spike特征提取時(shí)的客觀性，并且具有更好的可分性。
　　 (3)根據(jù)spike波形幅

5、值變化的非線性特性，提出采用信號(hào)梯度排列組合熵方法提取spike信號(hào)特征，以表征不同spike波形的波動(dòng)信息，并對(duì)有效三維空間特征向量進(jìn)行尋谷聚類實(shí)現(xiàn)非同源spike特征的分類。實(shí)驗(yàn)結(jié)果表明，本文提取的信號(hào)梯度排列組合熵特征結(jié)合尋谷聚類的方法，錯(cuò)分率在0.78％～1.34％，與排列組合熵相比得到的特征內(nèi)方差較小、類間方差較大且穩(wěn)定。因此信號(hào)梯度排列組合熵實(shí)現(xiàn)spike模式分類具有一定的有效性，并且相對(duì)于排列組合熵分類方法有一定的提升。<

6、br>　　 (4)根據(jù)單個(gè)Hodgkin-Huxley神經(jīng)元模型，推廣出存在反饋延遲機(jī)制的模型，并構(gòu)建雙層H-H模型，分析不同的輸入刺激頻率對(duì)spike輸出頻率的影響。在反饋機(jī)制時(shí)，改變反饋強(qiáng)度和延遲時(shí)間，分析不同的反饋參數(shù)對(duì)spike發(fā)放頻率穩(wěn)定性的影響。在單輸入輸出基礎(chǔ)上，分析特定輸入刺激對(duì)spike輸出的影響；并以雙輸入單輸出仿真數(shù)據(jù)為例，說(shuō)明雙輸入刺激之間的相互作用對(duì)spike輸出頻率的影響。通過(guò)實(shí)驗(yàn)分析可見(jiàn)，高頻刺激輸入對(duì)s