检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

锋电位分类中叠加波形的检测与识别

锋电位分类中叠加波形的检测与识别

作者：齐佳天津理工大学

学位级别：硕士

神经系统通过神经元发放锋电位来发布和传递信息，因而锋电位是研究神经系统工作机制的重要依据。目前，锋电位信号的采集通常利用多电极采集阵列进行胞外记录，原始采集信号中包含大量的噪声和来自多个神经元的锋电位发放信号，因此需... 详细信息

神经系统通过神经元发放锋电位来发布和传递信息，因而锋电位是研究神经系统工作机制的重要依据。目前，锋电位信号的采集通常利用多电极采集阵列进行胞外记录，原始采集信号中包含大量的噪声和来自多个神经元的锋电位发放信号，因此需要将锋电位从原始采集信号中检测、提取出来，并根据其形态特征判断其产生于哪类神经元，这一过程称为锋电位分类（Spike Sorting）。锋电位分类的两个关键步骤是锋电位检测（SpikeDetection）和锋电位识别（Spike Classification）。由于采集电极周围多个神经元同步发放而产生的叠加锋电位（Overlapped Spikes）增加了锋电位分类的难度，因此，提高叠加锋电位检测及识别的准确性，对神经元集群编码的研究具有重要意义。本文在对锋电位特征分析的基础上，重点研究了叠加锋电位的产生原因及波形特点，并在此基础上提出了适用于叠加锋电位的检测方法、特征表示方法和分类策略。针对窗口检测法容易忽略窗口内及窗口间的叠加锋电位的问题，本文提出了一种新的锋电位检测方法。该方法在改进窗口法的基础上，结合了阈值法与能量法对锋电位进行检测。实验证明该方法有较强的鲁棒性，不但适用于低信噪比、基线漂移等情况，而且对于锋电位大量叠加的数据，此方法的漏报率明显低于其他传统方法。利用支持向量机在解决非线性和小样本问题方面的优势，本文将支持向量机应用于锋电位的识别与分类，并探讨了不同核函数及噪声水平等因素对支持向量机分类效果的影响。实验表明，支持向量机算法对叠加锋电位及噪声水平具有一定的有效性和稳定性，并且发现了支持向量机对高相似度样本分类精度下降，且对包含叠加训练样本的训练集存在过度训练的问题。针对支持向量机对高度相似锋电位样本分类精度下降的问题，本文提出了基于窗口斜率描述法的特征表示方法。该方法基于窗口的概念对锋电位波形进行划分，利用窗口内斜率作为新样本属性向量，实现对原始样本的降维和特征提取。实验表明，与主成分分析方法相比，该方法降低了不同类型样本之间的相似度，特别是形态高度相似锋电位样本的相似度，有利于提高分类的准确度。针对支持向量机分类样本分布重叠严重的数据时容易产生过度训练，而导致分类精度下降的问题，本文提出了基于支持向量机的叠加锋电位分类策略。该策略首先利用K均值聚类对训练集进行优化，之后分别用欧氏距离和支持向量机对测试样本进行分类。实验表明，与直接使用支持向量机进行分类相比，此策略具有更高的分类准确性和更小的时间代价。

关键词：锋电位分类叠加锋电位锋电位检测支持向量机窗口斜率描述法 K均值聚类

基于匹配小波变换的初级视皮层神经元锋电位分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

郑州大学学报（工学版） 2011年第3期32卷 90-94页

作者：万红郜丽赛牛晓可郑州大学电气工程学院河南郑州450001

神经元锋电位分类是研究神经系统信息处理机制的关键.为了提高锋电位分类效果,将匹配小波应用到锋电位分类中来,提出了基于匹配小波变换的初级视皮层神经元锋电位分类方法.首先根据提取的锋电位信号波形特性和匹配准则,构造出匹配小波,... 详细信息

神经元锋电位分类是研究神经系统信息处理机制的关键.为了提高锋电位分类效果,将匹配小波应用到锋电位分类中来,提出了基于匹配小波变换的初级视皮层神经元锋电位分类方法.首先根据提取的锋电位信号波形特性和匹配准则,构造出匹配小波,然后基于匹配小波对锋电位信号进行小波变换,获取锋电位信号特征进行锋电位聚类,从而实现锋电位分类.将该方法用于由多电极阵列采集的大鼠初级视皮层神经元锋电位的分类,并与基于传统小波的分类方法进行聚类比较,该方法得到的散点图具有两个更加明显的聚类中心,聚类效果更好.再对信号进行加噪处理,当信噪比较低时,该方法仍保持较高的分类正确率,抗噪性能较强.

关键词：初级视皮层锋电位分类小波构造匹配小波

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进型模糊聚类的神经元锋电位的分类

生物医学工程研究 2015年第1期34卷 41-44,48页

作者：刘晗李振新于毅董兵超新乡医学院生物医学工程学院河南新乡453003

本研究提出减法聚类和模糊聚类算法相结合的改进型模糊聚类锋电位分类方法。该方法利用减法聚类算法快速得出聚类中心的个数及位置,然后将此聚类中心作为初始值应用于模糊聚类算法。结果表明,该方法降低了模糊聚类算法对初始聚类中心的... 详细信息

本研究提出减法聚类和模糊聚类算法相结合的改进型模糊聚类锋电位分类方法。该方法利用减法聚类算法快速得出聚类中心的个数及位置,然后将此聚类中心作为初始值应用于模糊聚类算法。结果表明,该方法降低了模糊聚类算法对初始聚类中心的依赖,节约了模糊聚类算法层层迭代的运算时间,提高了算法运行效率,同时也提高了分类的正确率,特别是在信噪比低于-30db时,对分类结果准确率的改善更为明显。此算法是实现锋电位分类的理想选择。

关键词：脑机接口(BCI) 锋电位检测主成分分析锋电位分类减法聚类改进型模糊聚类

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

叠加锋电位的分类方法研究

叠加锋电位的分类方法研究

作者：罗静天津理工大学

学位级别：硕士

人体神经系统支撑着体内各个器官之间的功能及联系。神经元发放的锋电位是神经系统间传递和发布信息的媒介。目前常采用多电极胞外记录的方式对锋电位信号进行采集，从采集的信号中将锋电位信号检测、提取出来，并对不同形态特征的锋电... 详细信息

人体神经系统支撑着体内各个器官之间的功能及联系。神经元发放的锋电位是神经系统间传递和发布信息的媒介。目前常采用多电极胞外记录的方式对锋电位信号进行采集，从采集的信号中将锋电位信号检测、提取出来，并对不同形态特征的锋电位信号进行各自归类，这一系列的过程就称为锋电位分类。受当前采集技术的限制，当多个神经元细胞在相隔很短时间同时放电时，检测到的会是多个锋单位信号的叠加波形。叠加锋电位的波形形态会因为叠加时刻和叠加波形的不同而不同，这增加了锋电位分类的难度。因此，研究叠加锋电位的分类，是提高锋电位分类准确性的关键，对神经元集群编码的研究具有重要意义。本文通过对叠加锋电位的产生原理及波形特点进行研究，重点分析了叠加锋电位分类的难点问题，研究适合于叠加锋电位识别的特征表示方法和分类策略。为解决锋电位波形由于叠加而造成的波形信息丢失问题，本文通过对相空间重构算法进行研究，将其应用到叠加锋电位分类中，提出了基于相空间重构的锋电位分类策略。通过对锋电位进行相空间重构，丰富了其波形信息，可以从多角度对叠加锋电位样本进行分析。本文的方法，在Wavelus数据集上进行了大量实验，实验结果表明，基于相空间重构的锋电位分类策略对叠加锋电位分类具有良好的效果，准确率有了一定程度的提升。针对基于相空间重构的分类策略中数据维度大及抗噪声能力差的问题，本文对其进行了改进，在相空间中引入了基于窗口斜率表示法和二阶差分表示法相结合的特征表示方法。结合之后的特征优化方法，不仅可以降低锋电位样本的维度，还可以将锋电位波形的变化趋势突出，有利于提高锋电位分类的准确性。通过对不同噪声水平和不同叠加程度的锋电位数据进行实验，结果表明，与单独用相空间重构算法及窗口斜率表示法相比，结合之后的特征表示方法不仅在一定程度上降低了数据的维度，而且对噪声干扰严重的锋电位数据能够保持较高的分类准确率。

关键词：锋电位分类叠加锋电位相空间重构窗口斜率表示法二阶差分表示法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

神经元锋电位检测与分类算法的研究

神经元锋电位检测与分类算法的研究

作者：朱政飞杭州电子科技大学

学位级别：硕士

神经系统控制着生物肌肉的活动,协调着各个组织和器官,建立和接受外来情报并进行协调。神经系统是动物体最重要的连络和控制系统。神经系统通过神经元发放锋电位来传递信息,分析锋电位序列是解析神经科学的重要前提。细胞外记录是将电... 详细信息

神经系统控制着生物肌肉的活动,协调着各个组织和器官,建立和接受外来情报并进行协调。神经系统是动物体最重要的连络和控制系统。神经系统通过神经元发放锋电位来传递信息,分析锋电位序列是解析神经科学的重要前提。细胞外记录是将电极插入大脑细胞组织以记录单个神经元活动的技术,是神经科学家用来研究大脑工作方式的常用方法。这些电极记录了周围多个神经元的活动信息。锋电位分类就是为了将这个信号分解为单个神经元活动信息的过程。由于神经信号易受外界噪声干扰,采集到的神经信号信噪比较低。电极周围存在的多个神经元会同时发放锋电位信号,形成重叠的锋电位。这些都增加了锋电位分类的难度。为了更好的解析神经信号,提高锋电位分类的鲁棒性和准确性是至关重要的。本文针对低信噪比信号以及大量重叠锋电位信号处理存在的问题,从锋电位检测、锋电位特征表示、锋电位分类策略三个方面提出了相应改进的算法。具体算法改进内容如下:1)传统阈值检测方法在处理低信噪比信号时,存在大量的漏检和误检的问题。窗口检测法容易对窗口内的重叠锋电位信号误检。为了提高信噪比和识别重叠锋电位信号,本文提出了改进窗口检测算法,加入重叠信号发放时刻的能量检测作为二次检测。2)字典学习方法总是能尝试学习蕴藏在样本背后最质朴的特征。为了增强字典学习方法对锋电位信号的表征能力,使所得特征更易于准确区分不同类别的锋电位。本文使用类似神经网络结构的字典学习方法,增加了字典学习的解析层数,使字典学习的表征能力增强。3)在聚类处理过程中,为了减少边界点对聚类的影响,本文采用模糊聚类方法。通过计算边界点模糊隶属度,来提高分类的效果。同时结合特征样本点的密度值计算,判断野值点的位置。重叠锋电位信号往往被当作了野值点处理,使用模板匹配判定信号由几个锋电位所叠加形成,增加了对重叠锋电位分类的准确率。针对改进的算法,论文基于模拟数据集和真实数据集进行了算法的测试,测试结果表明不论是数据噪声程度是Easy或者Difficult分类准确率都保持在90%以上,对不同信噪比的信号具有很好的鲁棒性。对于重叠锋电位信号,分类结果对比传统方法提高了近20%的准确率。最后,对真实生物数据测试,本文的方法能很好的识别重叠锋电位,具有较好的实际应用效果。

关键词：神经系统锋电位分类低信噪比重叠锋电位字典学习模糊聚类

大鼠神经信号无线采集及在线锋电位分类系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大鼠神经信号无线采集及在线锋电位分类系统实现

作者：万瑾浙江大学

学位级别：硕士

在脑科学研究中,神经元锋电位信号的检测和分类是神经信息编解码研究的重要内容。传统的用于采集分析锋电位信号的商用采集处理设备体积庞大,价格昂贵,并且通常为有线传输方式,导线连接增加了对自由运动小动物的外部干扰,影响小动物神... 详细信息

在脑科学研究中,神经元锋电位信号的检测和分类是神经信息编解码研究的重要内容。传统的用于采集分析锋电位信号的商用采集处理设备体积庞大,价格昂贵,并且通常为有线传输方式,导线连接增加了对自由运动小动物的外部干扰,影响小动物神经信号在指定实验条件下的放电特性。因此,本文基于嵌入式系统技术设计并实现了一套针对自由运动大鼠的神经元锋电位信号无线采集及在线分类的实验系统,并利用仿真模拟信号和实验动物的真实锋电位信号对系统的在线检测与分类功能分别进行了测试和验证。本文所实现的系统主要由前端锋电位信号采集检测装置和后端基于PC平台的锋电位在线分类上位机组成。前端采集检测装置以微控制器为核心,通过SPI接口配置前端采集芯片,控制其采集,之后在微控制器上完成自适应检测阈值更新、锋电位的阈值检测等预处理;之后,通过无线射频模块,实现锋电位波形数据的无线发送。PC接收到数据之后,通过LabVIEW上位机结合MATLABscript运行锋电位在线分类算法,对接收到的锋电位数据进行实时在线的分类。验证和测试实验结果表明,本文提出的大鼠神经信号无线采集及在线锋电位分类系统可以完成预定设计的功能,在仿真实验中,针对模拟信号发生器信号在线分类的准确率最高时可达100%;针对自由运动大鼠锋电位信号,本系统与传统PC离线分类系统,针对对同一类神经元分类结果的相似度,最高可达到93.9%,最低75.0%,说明无线系统的性能与商用的离线系统非常接近。但本无线系统在体积、便携度（35mm×30mm×18mm,18g以下）以及系统功耗方面（3.7V、180mAh锂电池供电,稳定工作40分钟以上）更具优势,能较好的满足自由运动大鼠锋电位分类等实验需求。因此,本系统的设计和实现,为后续嵌入式、小型化、无线神经信号解析系统的研究打下了良好的基础。

关键词：植入式脑机接口嵌入式无线采集锋电位检测锋电位分类

基于匹配小波变换的大鼠初级视皮层神经元锋电位分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于匹配小波变换的大鼠初级视皮层神经元锋电位分类

作者：郜丽赛郑州大学

学位级别：硕士

视觉刺激与神经元响应映射关系的研究对于揭示视觉信息在大脑中的编码和传递机制意义重大,本文采用嵌入式微电极阵列采集大鼠视觉刺激下的初级视皮层（V1区）神经元锋电位信号,因每个电极尖端通常会记录到多个神经元的叠加信号,需要将... 详细信息

视觉刺激与神经元响应映射关系的研究对于揭示视觉信息在大脑中的编码和传递机制意义重大,本文采用嵌入式微电极阵列采集大鼠视觉刺激下的初级视皮层（V1区）神经元锋电位信号,因每个电极尖端通常会记录到多个神经元的叠加信号,需要将不同神经元的锋电位分开,确定各个神经元的锋电位序列,以便后续对其响应特性进行分析。目前虽有多种锋电位分类方法,但仍存在不足之处,有必要进一步研究。基于以上背景,本文设计了V1区神经元光栅刺激下锋电位信号的采集方案,提出了一种基于匹配小波变换的锋电位分类方法,并将其用于对大鼠V1区神经元朝向选择性的研究中。具体内容如下：（1）根据大鼠的视觉特点及视皮层感受野特性,基于实验平台设计了视觉刺激模式;通过综合分析和具体实验验证,设计出了实验方案,采集到了大鼠V1区神经元在光栅刺激下的锋电位信号。（2）对目前常用的模板匹配、主成分分析和基于小波变换的锋电位分类方法进行了分析研究,对其优缺点进行了总结,并针对这三种方法存在的问题提出了一种基于匹配小波变换的锋电位分类方法。（3）详细介绍了本文提出的分类方法的原理和步骤,首先根据锋电位信号的波形特性,依照匹配准则,构造出匹配小波,然后基于匹配小波对锋电位信号进行离散小波变换,获取锋电位信号特征进行聚类,从而实现锋电位分类。通过仿真和对实验记录到的大鼠V1区神经元锋电位的分类,验证了算法的有效性和优越性,并将算法用于大鼠V1区神经元放电序列、放电间隔的获取及对其朝向选择性的初步研究中。

关键词：锋电位分类匹配小波主成分分析初级视皮层朝向选择性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的锋电位分类方法研究

基于深度学习的锋电位分类方法研究

作者：王永甜燕山大学

学位级别：硕士

在神经科学和生物医学信息处理领域,锋电位分类是从细胞外采集的信号中提取单个神经元放电信息的关键步骤。锋电位是神经元细胞膜上快速且短暂的电位变化,是大脑中神经元进行信息传递的主要途径。尽管目前已存在许多锋电位分类方法,但... 详细信息

在神经科学和生物医学信息处理领域,锋电位分类是从细胞外采集的信号中提取单个神经元放电信息的关键步骤。锋电位是神经元细胞膜上快速且短暂的电位变化,是大脑中神经元进行信息传递的主要途径。尽管目前已存在许多锋电位分类方法,但在准确性和鲁棒性方面仍有待提高。因此,本文提出了基于深度学习的锋电位分类方法,以更有效地实现锋电位分类,对于研究大脑的工作机制具有重要意义。首先,提出了一种基于一维卷积神经网络（CNN）的锋电位分类模型,包括卷积层、池化层和全连接层。使用“Wave＿Clus”模拟数据集对模型的性能进行分析。根据训练集数据占总数据的不同比例,将数据分为六组并分别对该模型进行测试。此外,与“WMsorting”方法、基于深度学习的多层感知器模型等六种方法进行了比较。结果表明该模型在提高准确率的前提下降低了人工干预的成本。其次,利用一维CNN模型对猕猴视皮层的神经元放电信号进行分析。根据该数据集各通道中的不同锋电位类别,设置一维CNN模型中的输出结点数量。使用不同比例的数据训练模型,对测试集数据进行分类。针对真实数据普遍存在的数据分布不平衡的问题,分别使用准确率和Macro＿F值对实验结果进行分析。该模型具有较高的准确率和较强的鲁棒性。最后,提出了一种卷积神经网络与长短期记忆网络（LSTM）相结合的方法以解决叠加锋电位的分类问题。根据锋电位的叠加程度对其进行标定,分别使用模拟数据集和真实数据集对CNN+LSTM模型进行验证,并与一维CNN模型进行比较,使用准确率评估分类结果,说明了该模型在处理叠加锋电位分类问题上的优越性。

关键词：深度学习神经元锋电位分类卷积神经网络长短期记忆网络

基于宽频带记录信号的神经元锋电位检测分类新方法及其应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于宽频带记录信号的神经元锋电位检测分类新方法及其应用

作者：陈白璐浙江大学

学位级别：硕士

神经元细胞外动作电位（即锋电位）的检测和分析是研究大脑神经系统编码机制和信号处理机制的基础。微电极阵列记录技术为神经元锋电位记录提供很好的工具,但是,要从记录信号中正确并有效地检出锋电位并分类,尤其是甄别出锋电位所属的... 详细信息

神经元细胞外动作电位（即锋电位）的检测和分析是研究大脑神经系统编码机制和信号处理机制的基础。微电极阵列记录技术为神经元锋电位记录提供很好的工具,但是,要从记录信号中正确并有效地检出锋电位并分类,尤其是甄别出锋电位所属的神经元类型,目前还存在着许多亟待解决的问题。本文解决了其中的两个问题：如何直接利用宽频带记录信号来实现锋电位的检测和分类;如何检测高频电刺激期间的锋电位。这些问题的解决对于利用锋电位波形正确甄别神经元类型以及探索深部脑刺激作用的机制都具有重要意义。在锋电位的分析过程中,通常要先对原始实验记录信号进行滤波,消除高频噪声和低频场电位等干扰,然后再对锋电位进行检测和分类。但滤波会使锋电位的波形发生畸变,由此影响锋电位分类的准确性,尤其是神经元类型的甄别。例如,海马区中间神经元的锋电位波形通常比锥体神经元的波形要窄,而高通滤波会使锥体神经元的较宽的波形变窄,从而使两种神经元的锋电位波形变得相似,给两者之间的区分造成困难。为了解决这一问题,本文设计出能够不经滤波的基于宽频带记录信号的锋电位检测分类算法。通过多通道窗口法进行锋电位检测,并利用自适应特征提取的方法,获得16-25个特征指标用于锋电位分类同时区分锋电位的神经元类型。通过锋电位检测分类结果的评价指标,以仿真数据和实验记录数据的检验结果证明：该多通道窗口法能够从包含低频场电位的宽频带信号中准确地检测锋电位;而且,本文所设计的自适应特征提取法也能够准确区分宽频带信号中幅值相近的锥体神经元和中间神经元发放的锋电位波形,为锋电位的准确分类以及神经元类型的正确判别提供了一种新的、有效的方法。本文还进一步拓展上述锋电位分析方法,设计适用于深部脑区高频电刺激期间宽频带信号锋电位分析的模板匹配法。高频刺激时,宽频带记录信号中含有大幅值的刺激伪迹和刺激诱发的群峰电位（population spike,PS）,它们经过高通滤波会产生“振荡”波形,影响幅值相对较小的锋电位的检测和分类。因此,本文提出一种新的模板匹配算法来实现刺激期间锋电位的检测和分类。首先从刺激期间信号中提取出锋电位模板,然后用该模板检测某类锋电位。为了提高该算法的运行速度,采取2个措施：1)以预先设定的移动窗中信号段的最大最小值之差为阈值先进行初步筛选,保留可能是锋电位的信号段再与模板进行匹配,从而完成锋电位的检测和分类。2)在MATLAB程序中调用预编译的C语言模板匹配算法程序,使分析计算时间减少为原先纯MATLAB程序的1/40,极大地提高了信号处理的效率。通过实验数据的验证,其结果表明：该模板匹配法能够直接从包含刺激伪迹和PS波的宽频带信号中准确地检测并分类锋电位,而无需去除伪迹和PS波。综上所述,本文设计的基于宽频带记录信号的锋电位检测和分类新方法,能够直接对未经处理的原始记录信号进行分析;并且应用于高频刺激间期的锋电位分析;此外,还适用于电流源定位等不能滤波分析的情况。这些方法为电刺激等大干扰情形下的锋电位分析的研究提供新方法。

关键词：宽频带记录信号高频刺激锋电位检测锋电位分类多通道窗口法模板匹配法