基于寬頻帶記錄信號(hào)的神經(jīng)元鋒電位檢測(cè)分類新方法及其應(yīng)用.pdf

1、神經(jīng)元細(xì)胞外動(dòng)作電位（即鋒電位）的檢測(cè)和分析是研究大腦神經(jīng)系統(tǒng)編碼機(jī)制和信號(hào)處理機(jī)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(hào)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(gè)問題:如何直接利用寬頻帶記錄信號(hào)來實(shí)現(xiàn)鋒電位的檢測(cè)和分類;如何檢測(cè)高頻電刺激期間的鋒電位。這些問題的解決對(duì)于利用鋒電位波形正確甄別神經(jīng)元類型以及探

2、索深部腦刺激作用的機(jī)制都具有重要意義。
　　在鋒電位的分析過程中，通常要先對(duì)原始實(shí)驗(yàn)記錄信號(hào)進(jìn)行濾波，消除高頻噪聲和低頻場(chǎng)電位等干擾，然后再對(duì)鋒電位進(jìn)行檢測(cè)和分類。但濾波會(huì)使鋒電位的波形發(fā)生畸變，由此影響鋒電位分類的準(zhǔn)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(huì)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，

3、本文設(shè)計(jì)出能夠不經(jīng)濾波的基于寬頻帶記錄信號(hào)的鋒電位檢測(cè)分類算法。通過多通道窗口法進(jìn)行鋒電位檢測(cè)，并利用自適應(yīng)特征提取的方法，獲得16～25個(gè)特征指標(biāo)用于鋒電位分類同時(shí)區(qū)分鋒電位的神經(jīng)元類型。通過鋒電位檢測(cè)分類結(jié)果的評(píng)價(jià)指標(biāo)，以仿真數(shù)據(jù)和實(shí)驗(yàn)記錄數(shù)據(jù)的檢驗(yàn)結(jié)果證明:該多通道窗口法能夠從包含低頻場(chǎng)電位的寬頻帶信號(hào)中準(zhǔn)確地檢測(cè)鋒電位;而且，本文所設(shè)計(jì)的自適應(yīng)特征提取法也能夠準(zhǔn)確區(qū)分寬頻帶信號(hào)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，

4、為鋒電位的準(zhǔn)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(jìn)一步拓展上述鋒電位分析方法，設(shè)計(jì)適用于深部腦區(qū)高頻電刺激期間寬頻帶信號(hào)鋒電位分析的模板匹配法。高頻刺激時(shí)，寬頻帶記錄信號(hào)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(huì)產(chǎn)生“振蕩”波形，影響幅值相對(duì)較小的鋒電位的檢測(cè)和分類。因此，本文提出一種新的模板匹配算法來實(shí)現(xiàn)刺激期間鋒電位的檢測(cè)和分類。首

5、先從刺激期間信號(hào)中提取出鋒電位模板，然后用該模板檢測(cè)某類鋒電位。為了提高該算法的運(yùn)行速度，采取2個(gè)措施:1）以預(yù)先設(shè)定的移動(dòng)窗中信號(hào)段的最大最小值之差為閾值先送行初步篩選，保留可能是鋒電位的信號(hào)段再與模板進(jìn)行匹配，從而完成鋒電位的檢測(cè)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(jì)算時(shí)間減少為原先純MATLAB程序的1/40，極大地提高了信號(hào)處理的效率。通過實(shí)驗(yàn)數(shù)據(jù)的驗(yàn)證，其結(jié)果表明:該模板匹配法能夠直接從包