大鼠前肢運(yùn)動(dòng)的神經(jīng)解碼研究.pdf

1、腦機(jī)接口技術(shù)在腦和計(jì)算機(jī)之間建立不依賴于常規(guī)大腦信息輸出通路（外周神經(jīng)和肌肉組織）的直接信息交流通道。隨著神經(jīng)集群信號(hào)采集方法的進(jìn)步，基于腦神經(jīng)元鋒電位脈沖序列的腦機(jī)接口技術(shù)成為研究的熱點(diǎn)。實(shí)現(xiàn)該技術(shù)的關(guān)鍵在于如何準(zhǔn)確地從神經(jīng)信號(hào)中提取出神經(jīng)元鋒電位序列，以及如何建立有效的解碼算法從神經(jīng)元鋒電位序列中解析出運(yùn)動(dòng)信息。因此本文以大鼠為實(shí)驗(yàn)對(duì)象，深入研究了運(yùn)動(dòng)皮層神經(jīng)元鋒電位序列的提取方法，構(gòu)建了基于運(yùn)動(dòng)皮層神經(jīng)元鋒電位序列的解碼方法，成功

2、實(shí)現(xiàn)了對(duì)大鼠前肢運(yùn)動(dòng)方向和運(yùn)動(dòng)軌跡的神經(jīng)解碼。本文主要研究內(nèi)容包括：
　　 本研究首先研究了基于時(shí)域、頻域能量算子的神經(jīng)元鋒電位檢測(cè)方法，并通過加噪的模擬信號(hào)來評(píng)價(jià)該方法的效果。與傳統(tǒng)的閾值方法相比，該方法在高噪聲環(huán)境下具有較好的檢測(cè)效果。同時(shí)本研究提出了基于主成分分析與近似熵結(jié)合的鋒電位分類算法，實(shí)現(xiàn)了不同神經(jīng)元鋒電位序列的較快速、準(zhǔn)確分類。
　　 然后，本文運(yùn)用Fisher線性判別方法，建立了運(yùn)動(dòng)皮層神經(jīng)元鋒電位序列

3、與大鼠前肢運(yùn)動(dòng)方向信息之間的映射模型，準(zhǔn)確解碼出了前肢不同的運(yùn)動(dòng)方向。
　　 本研究還建立了基于概率神經(jīng)網(wǎng)絡(luò)的解碼方法，實(shí)現(xiàn)非線性、動(dòng)態(tài)的神經(jīng)解碼。相比傳統(tǒng)的解碼方法，該方法無需進(jìn)行訓(xùn)練，提高了解碼效率。本研究還建立了改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)解碼方法，將上一時(shí)刻預(yù)測(cè)出的壓力值作為解碼模型的一個(gè)輸入，有效地抑制了解碼過程中的“跳變”問題，進(jìn)一步提高了解碼的準(zhǔn)確性?；谠摲椒ū狙芯繕?gòu)建了大鼠前肢運(yùn)動(dòng)軌跡的在線神經(jīng)解碼模型，并成功訓(xùn)練大鼠通

4、過神經(jīng)信號(hào)直接控制給水裝置，達(dá)到與前肢壓桿取水同樣的效果。
　　 另外，本研究提出了兩層神經(jīng)解碼策略，并由核隸屬度與多項(xiàng)式擬合兩種最簡單的方法來實(shí)施該解碼策略，有效地降低了解碼過程的計(jì)算消耗，成功抑制了實(shí)驗(yàn)中遇到的非壓桿狀態(tài)時(shí)的干擾，提高了壓桿狀態(tài)時(shí)的壓力擬合相關(guān)性，而且該解碼策略能夠同時(shí)應(yīng)用于解碼離散和連續(xù)運(yùn)動(dòng)。此外，本研究還提出了基于精細(xì)時(shí)移的神經(jīng)解碼策略，將不同時(shí)刻的神經(jīng)元發(fā)放率用于預(yù)測(cè)同一時(shí)刻的壓力值，這樣使各個(gè)神經(jīng)元對(duì)

5、于壓力的調(diào)制能力都達(dá)到最大化，進(jìn)一步改進(jìn)了解碼模型的預(yù)測(cè)效果和模型的效率。
　　 綜上所述，本研究通過采集大腦運(yùn)動(dòng)皮層的神經(jīng)元鋒電位序列進(jìn)行運(yùn)動(dòng)信息的解碼，有效地解決了基于頭皮腦電信號(hào)的腦機(jī)接口的效果受限于信息量、時(shí)空分辨率的問題，有助于更深入地了解大腦的信息編碼和運(yùn)動(dòng)控制機(jī)制，使實(shí)驗(yàn)對(duì)象通過神經(jīng)信號(hào)完成對(duì)外部設(shè)備更加復(fù)雜的控制。此外本文提出了基于概率神經(jīng)網(wǎng)絡(luò)的解碼算法，提高了解碼的準(zhǔn)確度，并實(shí)現(xiàn)了對(duì)外部設(shè)備的實(shí)時(shí)控制。本研究還