基于遗传算法—支持向量机的锋电位分类及神经元特性分析

作     者：宫艳红 

作者单位：郑州大学 

学位级别：硕士

导师姓名：师黎

授予年度：2011年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：初级视觉皮层 锋电位分类 模板匹配 同步性分析 朝向选择性 

摘      要：视觉作为高等动物最主要的感觉系统,是接收外部信息最有效的方式。初级视觉皮层是视觉信息初级加工和处理的区域,几乎90%的来自视网膜的视觉信息都在该区域进行初级处理。视皮层神经元锋电位携带了丰富的神经元活动信息,是神经系统进行信息表达的载体。因此,研究神经元锋电位对于研究视觉信息的传输和编码以及大脑的工作机理都具有重要意义。 本文以大鼠为实验对象,采集了初级视觉皮层神经元锋电位信号,提出了基于遗传算法-支持向量机的神经元锋电位分类方法,并从神经元放电同步性和朝向选择性两个方面对初级视觉皮层神经元特性进行了分析。具体内容如下： （1）数据采集。通过了解动物视觉信息的传递通路和传输机理以及初级视觉皮层信息传递的特点,确定了初级视觉皮层为大鼠视觉信号采集的最佳位置。在现有实验平台和实验方案基础上,采集了大鼠初级视觉皮层神经元锋电位信号;（2）神经元锋电位的分类。针对采集到的神经元锋电位电信号,提出了基于遗传算法-支持向量机的神经元锋电位分类方法。利用本算法中支持向量机适合有限样本分类和具有全局最优解的特点,结合遗传算法的随机优化能力,实现了锋电位的分类,获得较高的分类准确率。通过对多组实验数据分类结果的比较,证明本算法分类结果稳定。从基于遗传算法-支持向量机锋电位分类的结果中提取典型的锋电位模板,利用模板匹配的方法进一步对实验数据进行分类,得到了较高的分类准确率,解决了传统模板匹配分类中模板选择的难题;（3）对神经元特性的研究。利用相关性分析方法分别对同一通道不同类别之间以及不同通道之间做了同步性分析,得出了不同情况下神经元放电之间存在的同步特性;通过对初级视觉皮层神经元感受野朝向选择性的分析,找到了部分神经元的最佳刺激朝向。