基于多元统计分析的神经元细胞分类与识别

摘要

本文包括四章。本文主要研究生物神经元细胞，试图通过神经元细胞几何指标的数据对其进行分类，本文数据取自NeuroMorpho.org数据库。本文运用多元统计分析理论和方法研究了神经元的几何特征，提出了一套相对完整的分类分析方案，此外本文还试图探索一整套神经元细胞的识别方法并定义一套新的命名规则，其效果基本理想。第一章，用主成分分析的方法将20个几何指标变量转化成四个主成分:神经元大小、神经元分叉情况、神经元紧密情况和神经元分叉角度。第二章和第三章，分别使用判别分析和聚类分析对神经元细胞进行分类。本文得到了相应的判别函数，通过了各种检验，误判率为0.0784效果较好。本文分别用主成分分析前的20个指标和主成分分析后的4个主成分进行聚类分析，聚类结果和已有的生物研究分类结果基本一致。本文还就多种相关统计方法和生物方法的分类结果进行了比较。第四章，结合统计分析方法和定性信息，综合研究了生物神经元几何体、连通性和功能之间的关系，较完整地实现了对神经元数据的识别。

目录

声明

摘要

Abstract

Introduction

Chapter Ⅰ：Principal Component Analysis and it Application

Ⅰ．1 DATA AND OBJECTIVES

Ⅰ．1．1 Weight individuals

Ⅰ．1．2 Weight of variables

Ⅰ．2 DATA TRANSFORMATION

Ⅰ．3 INTERPRETATION OF A PCA

Ⅰ．3．1 Study of the inertia factor

Ⅰ．3．2 Interpretation of factors

Ⅰ．4 Application

Ⅰ．4．1 Introduction

Ⅰ．4．2 Data descriptions and transformations

Ⅰ．4．3 Method used

Ⅰ．4．4 Conclusion

Chapter Ⅱ：Discriminant analysis

Ⅱ．1 Notation

Ⅱ．2 An Empirical Analysis

Ⅱ．3 Evaluation criteria

Ⅱ．4 Discriminant analysis

Ⅱ．4．1 Sample collection

Ⅱ．4．3．The training samples back to the judge to evaluate the effect discrimination

Ⅱ．4．4 Discrimination test

Ⅱ．4．5 Conclusion

Chapter Ⅲ： Cluster Analysis and it Application

Ⅲ．1 Proximity measures and matrix

Ⅲ．1．1 Hierarchical agglomerative clustering

Ⅲ．1．2 Dendrogram

Ⅲ．2 Application

Ⅲ．3 General Conclusion

Chapter Ⅳ Neurons：Identification

Ⅳ．1 Identification

Ⅳ．1．1 Materials and Methods

Ⅳ．1．2 Measurements

Ⅳ．1．3 Cell Types

Ⅳ．1．4 Specific Type

Ⅳ．1．5 Pyramidal Cells

Ⅳ．2 Concluding Remarks

Bibliographical references