基于EMD和互信息的局部场电位响应调谐特性分析

摘要

初级视觉皮层区（V1区）响应信号调谐特性研究对于揭示视觉神经系统信息处理机制具有重要意义。从V1区记录到的神经电信号通常被分为局部场电位(LFP)和锋电位(spike)两大类，局部场电位与锋电位具有不同的时域频域特征，在神经信息传达、编码等功能上相互补充，二者一道成为研究视觉信息处理机制的两大类信号。研究表明局部场电位不同频率成分表征不同的刺激特征。局部场电位自身具有非平稳性，另外传统信号分析方法在分析非平稳信号方面缺乏自适应性，因而探索一种具有自适应性的局部场电位特征频带提取方法对于深入探究神经信息处理机制具有积极而重要的意义。
　　本文针对局部场电位的非平稳性，以大鼠为研究对象，结合经验模态分解和互信息分析方法提取局部场电位响应特征信号，从复杂的信号中提取出有效包含刺激信息的频率成分，然后基于提取出的特征信号研究了V1区感受野内神经元对空间频率和朝向刺激特征的调谐特性，并与基于小波变换提取的γ频带等方法的调谐特性分析结果进行了对比，验证了该算法的有效性。主要研究内容分为以下两大部分:
　　1，基于经验模态分解和互信息的局部场电位响应信号提取方法（information-preservingEMD，IPEMD）。研究表明局部场电位对不同刺激特征的表征具有一定的动态性，这就要求提取方法应具有自适应性。近年提出的经验模态分解完全依据信号自身幅值特点对信号进行分解，具有自适应性;互信息依据概率统计定量表征刺激与相应之间的依赖程度，信号自身平稳与否不影响互信息的计算，二者在分析非平稳信号方面具有一定先天优势。该方法首先对局部场电位进行经验模态分解(EMD)，然后分别计算原信号和各个固有模态函数(IMF)与刺激之间的互信息（分别记作MILFP和MIIMF），然后利用调整互信息定量分析每个MIIMF和MILFP之间的相关程度，提取相关度较高的多个固有模态分量作为局部场电位刺激响应特征信号。相比传统方法该方法不要求信号平稳，无需选择基函数，具有自适应性。
　　2，基于IPEMD方法分析V1区感受野内的神经元响应信号的调谐特性。基于上述方法提取的特征响应信号，以同电极记录到的锋电位调谐特性作为参照，对V1区感受野内神经元对空间频率和朝向的调谐特性进行了分析，并与小波变换提取的γ频带、单个固有模态分量的调谐特性分析结果进行了对比。结果表明:该方法提取的刺激响应特征信号在刺激前后的变化比小波变换提取的γ频带和单个固有模态分量更加明显;基于响应特征信号的调谐特性分析结果与基于同电极记录的锋电位的调谐特性分析结果具有较高的一致率（空间频率72.9％;朝向69.81％）;据此获得的神经元调谐指数也明显高于单个固有模态分量和小波变换提取的γ频带的。本文方法对于后续基于局部场电位的神经编码和解码分析具有重要价值。

目录

声明

摘要

图和附表清单

1 绪论

1．1 课题背景及研究意义

1．2 国内外研究现状

1．3 本论文主要工作

1．4 本章小结

2 实验设计及信号获取

2．1 实验设计

2．2 信号获取

2．2．1 锋电位的获取

2．2．2 局部场电位信号的提取

2．3 局部场电位信号特点及常用分析方法

2．4 本章小结

3 Information-preserving EMD信号提取方法

3．1 希尔伯特-黄变换概述

3．1．1 经验模态分解

3．1．2 希尔伯特变换

3．1．3 希尔伯特黄变换的分解和结果分析

3．2 生物医学信号分析中的互信息概念

3．3 Information-preserving EMD信号提取方法

3．4 本章小结

4 大鼠V1区LFP响应信号的调谐特性分析

4．1 调谐特性概述

4．1．1 朝向调谐特性

4．1．2 空间频率调谐特性

4．2 LFP各阶固有模态分量特征分析

4．3 基于IPEMD方法的调谐特性分析

4．3．1 基于IPEMD的空间频率调谐特性分析

4．3．2 基于IPEMD的朝向调谐特性分析

4．4 本章小结

5 IPEMD与小波变换及单个IMF的调谐特性分析结果对比

5．1 提取信号的时域波形及能量对比

5．2 提取信号的调谐指数对比

5．3 本章小结

6 总结与展望

6．1 本文研究总结

6．2 课题研究展望

参考文献

致谢

个人简历、在校期间发表的学术论文与研究成果