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

1、神經(jīng)元細胞外動作電位（即鋒電位）的檢測和分析是研究大腦神經(jīng)系統(tǒng)編碼機制和信號處理機制的基礎(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問題:如何直接利用寬頻帶記錄信號來實現(xiàn)鋒電位的檢測和分類;如何檢測高頻電刺激期間的鋒電位。這些問題的解決對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制都具有重要意義。
　　在鋒電位的分析過程中，通常要先對原始實驗記錄信號進行濾波，消除高頻噪聲和低頻場電位等干擾，然后再對鋒電位進行檢測和分類。但濾波會使鋒電位的波形發(fā)生畸變，由此影響鋒電位分類的準確性，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)計出能夠不經(jīng)濾波的基于寬頻帶記錄信號的鋒電位檢測分類算法。通過多通道窗口法進行鋒電位檢測，并利用自適應(yīng)特征提取的方法，獲得16～25個特征指標用于鋒電位分類同時區(qū)分鋒電位的神經(jīng)元類型。通過鋒電位檢測分類結(jié)果的評價指標，以仿真數(shù)據(jù)和實驗記錄數(shù)據(jù)的檢驗結(jié)果證明:該多通道窗口法能夠從包含低頻場電位的寬頻帶信號中準確地檢測鋒電位;而且，本文所設(shè)計的自適應(yīng)特征提取法也能夠準確區(qū)分寬頻帶信號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。
　　本文還進一步拓展上述鋒電位分析方法，設(shè)計適用于深部腦區(qū)高頻電刺激期間寬頻帶信號鋒電位分析的模板匹配法。高頻刺激時，寬頻帶記錄信號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)過高通濾波會產(chǎn)生“振蕩”波形，影響幅值相對較小的鋒電位的檢測和分類。因此，本文提出一種新的模板匹配算法來實現(xiàn)刺激期間鋒電位的檢測和分類。首

5、先從刺激期間信號中提取出鋒電位模板，然后用該模板檢測某類鋒電位。為了提高該算法的運行速度，采取2個措施:1）以預(yù)先設(shè)定的移動窗中信號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段再與模板進行匹配，從而完成鋒電位的檢測和分類。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，使分析計算時間減少為原先純MATLAB程序的1/40，極大地提高了信號處理的效率。通過實驗數(shù)據(jù)的驗證，其結(jié)果表明:該模板匹配法能夠直接從包