版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、研究目的:發(fā)展了基于稀疏非負(fù)矩陣分解(SparseNon-negativeMatrixFactorization,SNMF)的稀疏編碼和稀疏源分量的因果分析方法,研究SD大鼠工作記憶狀態(tài)前額葉皮層(PrefrontalCortex,PFC)多通道局部場(chǎng)電位(LocalFieldPotentials,LFPs)的θ和γ頻段的能量對(duì)工作記憶的編碼,以及工作記憶狀態(tài)LFPs及其稀疏源分量的功能連接特性,為研究工作記憶的編碼和功能連接提供創(chuàng)新的
2、思路和方法。
研究方法:
1.實(shí)驗(yàn)數(shù)據(jù):本論文所用的實(shí)驗(yàn)數(shù)據(jù)為4只SD大鼠在Y迷宮工作記憶任務(wù)狀態(tài)的PFC多通道LFPs,以及靜息狀態(tài)的PFC多通道LFPs。
2.數(shù)據(jù)預(yù)處理:對(duì)原始記錄的LFPs進(jìn)行去工頻干擾和去基線漂移等預(yù)處理。
3.LFPs的短時(shí)傅里葉變換(Short-timeFourierTransform,STFT):應(yīng)用STFT對(duì)預(yù)處理后的LFPs進(jìn)行時(shí)頻分析,獲得LF
3、Ps的時(shí)頻能量分布。
4.應(yīng)用SNMF對(duì)LFPs的時(shí)頻能量分布進(jìn)行稀疏分解,獲得基矩陣A和稀疏源分量矩陣S。矩陣S的每一個(gè)行向量Si為時(shí)間序列。
5.LFPs的θ和γ頻段的能量對(duì)工作記憶的編碼:
根據(jù)稀疏源分量矩陣S的元素值確定工作記憶狀態(tài)下LFPs能量集中的時(shí)間段,選取稀疏源分量能量在該時(shí)間段內(nèi)明顯增加的頻段作為與工作記憶相關(guān)的稀疏源分量,應(yīng)用SNMF逆變換,對(duì)工作記憶相關(guān)的稀疏源分量進(jìn)行稀疏
4、重構(gòu),獲得與工作記憶相關(guān)的稀疏源分量的時(shí)頻能量分布,根據(jù)時(shí)頻能量分布計(jì)算于工作記憶相關(guān)的稀疏源分量的θ和γ頻段的能量。
6.工作記憶狀態(tài)LFPs及其稀疏源分量的功能連接:
應(yīng)用Granger因果分析,分別計(jì)算描述工作記憶狀態(tài)和靜息狀態(tài)的LFPs及其稀疏源分量的因果關(guān)系的定量參數(shù),包括:
(1)因果密度(CausalDensity,CD)
計(jì)算每次LFPs及其稀疏源分量矩陣的因果密度
5、值,為每只大鼠工作記憶狀態(tài)的10次LFPs和10次稀疏源分量矩陣和靜息狀態(tài)的10次LFPs和10次稀疏源分量矩陣計(jì)算平均因果密度值,比較工作記憶狀態(tài)和靜息狀態(tài)LFPs和稀疏源分量的功能連接。
(2)因果流(CausalFlow,CF)
計(jì)算LFPs的因果關(guān)系網(wǎng)絡(luò)各節(jié)點(diǎn)的因果流值,由于LFPs的因果關(guān)系網(wǎng)絡(luò)的節(jié)點(diǎn)與通道一一對(duì)應(yīng),為每只鼠工作記憶狀態(tài)和靜息狀態(tài)各10次LFPs數(shù)據(jù)計(jì)算每個(gè)通道的平均因果流值,應(yīng)用t
6、檢驗(yàn),測(cè)定工作記憶狀態(tài)和靜息狀態(tài)因果源(CausalSource)和因果匯(CausalSink)對(duì)應(yīng)的通道。
計(jì)算每只大鼠每次試驗(yàn)稀疏源分量因果關(guān)系網(wǎng)絡(luò)各節(jié)點(diǎn)的因果流值,對(duì)每一個(gè)節(jié)點(diǎn)進(jìn)行因果源和因果匯的歸類,應(yīng)用稀疏重構(gòu),獲得每一次數(shù)據(jù)因果源和因果匯的總時(shí)頻能量分布,再計(jì)算10次數(shù)據(jù)因果源和因果匯的平均時(shí)頻能量分布,從平均時(shí)頻能量分布比較工作記憶狀態(tài)和靜息狀態(tài)稀疏源分量功能連接的差異。
研究結(jié)果:
7、 1.LFPs的θ和γ頻段的能量對(duì)工作記憶的編碼:
(1)大鼠在工作記憶任務(wù)過程中,LFPs能量在某特定時(shí)期會(huì)達(dá)到峰值,在能量最集中的1s時(shí)間段內(nèi)工作記憶狀態(tài)的θ和γ頻段的能量明顯高于靜息狀態(tài)(t檢驗(yàn),p<0.01)。
(2)在與工作記憶相關(guān)的稀疏源分量中,θ頻段能量顯著大于γ頻段的能量,而且兩者都顯著大于0(t檢驗(yàn),p<0.01)。
2.工作記憶狀態(tài)LFPs的功能連接:
(1
8、)因果密度
第1號(hào)、第2號(hào)、第3號(hào)、第4號(hào)大鼠工作記憶狀態(tài)LFPs的功能連接的因果密度值分別為:0.1467±0.0320、0.0971±0.0313、0.1721±0.0296、0.1496±0.0427;靜息狀態(tài)LFPs的功能連接的因果密度值分別為0.0353±0.0127、0.0462±0.0159、0.0784±0.0375、0.0904±0.0354。結(jié)果顯示,工作記憶狀態(tài)的因果密度值顯著大于靜息狀態(tài)的因果密度值
9、(t檢驗(yàn),p<0.01)。
(2)因果流
第1號(hào)大鼠工作記憶狀態(tài)的因果源對(duì)應(yīng)的通道有2個(gè);因果匯對(duì)應(yīng)的通道有6個(gè)。靜息狀態(tài)沒有因果源;因果匯對(duì)應(yīng)的通道有3個(gè)。
第2號(hào)大鼠工作記憶狀態(tài)的因果源對(duì)應(yīng)的通道有2個(gè);因果匯對(duì)應(yīng)的通道有4個(gè)。靜息狀態(tài)因果源對(duì)應(yīng)的通道有1個(gè);因果匯對(duì)應(yīng)的通道有2個(gè)。
第3號(hào)大鼠工作記憶狀態(tài)的因果源對(duì)應(yīng)的通道有2個(gè);因果匯對(duì)應(yīng)的通道有4個(gè)。靜息狀態(tài)因果源對(duì)應(yīng)的通
10、道有4個(gè);因果匯對(duì)應(yīng)的通道有6個(gè)。
第4號(hào)大鼠工作記憶狀態(tài)的因果源對(duì)應(yīng)的通道有3個(gè);因果匯對(duì)應(yīng)的通道有3個(gè)。靜息狀態(tài)因果源對(duì)應(yīng)的通道有2個(gè);因果匯對(duì)應(yīng)的通道有3個(gè)。
3.工作記憶狀態(tài)稀疏源分量的功能連接:
(1)因果密度
第1號(hào)、第2號(hào)、第3號(hào)、第4號(hào)大鼠工作記憶狀態(tài)稀疏源分量的的因果密度值分別為:0.2315±0.0452、0.1697±0.0331、0.1894±0.0360、
11、0.2004±0.0485;靜息狀態(tài)稀疏源分量的因果密度值分別為:0.1456±0.0094、0.1177±0.0266、0.1098±0.0142、0.1423±0.0168。結(jié)果顯示,工作記憶狀態(tài)的因果密度值顯著大于靜息狀態(tài)的因果密度值(t檢驗(yàn),p<0.01)。
(2)因果流
計(jì)算得到工作記憶狀態(tài)和靜息狀態(tài)的因果源和因果匯的平均時(shí)頻能量分布和頻譜圖,工作記憶狀態(tài)稀疏源分量的因果關(guān)系網(wǎng)絡(luò)的因果源的頻率——幅
12、值曲線波峰出現(xiàn)在θ頻段(4-12Hz),而且能量也主要集中在θ頻段上。
結(jié)論:
1.LFPs的θ和γ頻段能量的編碼了大鼠工作記憶,θ頻段是編碼大鼠工作記憶的主要頻段。
2.工作記憶狀態(tài)大鼠LFPs和稀疏源分量的功能連接水平比靜息狀態(tài)高。
3.工作記憶狀態(tài)大鼠LFPs的稀疏源分量的功能連接水平比LFPs高。
4.稀疏空間上工作記憶的能量編碼和功能連接比原始空間上好。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏非負(fù)矩陣分解的圖像檢索.pdf
- 基于非負(fù)稀疏矩陣分解的手指靜脈識(shí)別.pdf
- 基于非負(fù)稀疏矩陣分解的人臉表情識(shí)別
- 基于類別信息和稀疏表示的非負(fù)矩陣分解.pdf
- 基于稀疏約束非負(fù)矩陣分解算法的故障檢測(cè)與診斷.pdf
- 基于非負(fù)稀疏矩陣分解的人臉表情識(shí)別.pdf
- 稀疏約束非負(fù)矩陣分解算法及其應(yīng)用研究.pdf
- 稀疏約束非負(fù)矩陣分解方法及其應(yīng)用研究.pdf
- 基于改進(jìn)的非負(fù)稀疏編碼圖像分類研究.pdf
- 稀疏非負(fù)矩陣分解研究及其在手機(jī)圖像中的應(yīng)用.pdf
- 基于非負(fù)矩陣分解和稀疏表示的人臉識(shí)別算法研究.pdf
- 基于稀疏表示和非負(fù)矩陣分解的部分遮擋人臉識(shí)別研究.pdf
- 非負(fù)矩陣分解的稀疏性模型及初始化研究.pdf
- 基于稀疏表示和非負(fù)矩陣分解理論的目標(biāo)跟蹤算法研究.pdf
- 基于非負(fù)稀疏編碼的視頻拷貝檢測(cè)方法研究.pdf
- 基于組稀疏非負(fù)矩陣分解的高光譜圖像去噪方法研究.pdf
- 基于FPGA的稀疏矩陣分解實(shí)現(xiàn).pdf
- 基于改進(jìn)非負(fù)稀疏編碼的人臉識(shí)別.pdf
- 非負(fù)低秩組稀疏矩陣分解及其圖像檢索應(yīng)用.pdf
- 稀疏圖正則非負(fù)矩陣分解及其在人臉識(shí)別中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論