高性能神经元锋电位检测方法的研究

摘要

众所周知，大脑是生物体内最神秘的器官，不仅支配着生物众多复杂的行为活动，同时也控制着生物学习、记忆和思维等高等认知功能。在过去的一个世纪里，人类一直在不断地探索大脑的奥秘，试图揭开大脑的神秘面纱。在由上千亿个神经元构成的庞大神经系统中，神经元通过发放一种特殊的“脉冲信号”进行信息的发布与传递，这种电信号被称为神经元锋电位。通过研究和监测神经元锋电位活动，可以了解神经元编码机制和神经元之间的相互关系，进而可以解析大脑的各种复杂功能。因此，对神经元锋电位的研究吸引了越来越多学者的目光，并且已发展成为当前神经科学领域中一个重要的研究热点。 神经元锋电位可通过胞外微电极进行采集，该记录方式是目前神经科学研究中应用最广泛的技术之一。为了从微电极记录信号中获得有用的神经元活动信息，通常需要对记录信号进行锋电位检测、特征提取以及锋电位分类多步处理。其中，锋电位检测是分析处理的第一步，也是最重要的一步，其目的是将神经元锋电位从记录信号中检测出来，为后续分析提供所需的锋电位数据。由于锋电位检测的准确性直接决定了后续所有分析与研究的可靠性，因此，研究可靠有效的锋电位检测方法是至关重要的。 现有的锋电位检测方法根据处理数据的方式，可大致分为在线锋电位检测与离线锋电位检测两种类型。在线锋电位检测方法运行速度快，主要被用于实时性要求较高的应用中，例如脑功能异常检测、脑机接口等。离线锋电位检测方法则无实时性要求，并且为了追求高检测率通常以牺牲运行速度作为代价。尽管现有方法在这两方面已经做出了很大努力，但其性能依然无法完全满足实际应用需求。本文针对现有检测方法中存在的不足，分别在在线检测和离线检测做出了一些改进。 本文的主要工作和创新点可概括为： (1)提出一种基于改进微分算子的在线锋电位检测方法。现有锋电位检测方法往往面临着运行速度和准确性之间的矛盾，要得到较高的准确性必须以牺牲运行速度作为代价，很难做到两者兼得。针对此问题，本文提出一种既快又准的锋电位检测方法。鉴于神经元的活动会产生一个快速短暂的脉冲信号这一事实，本文尝试利用具有很强检测突变能力的微分算子来增强信号中隐含的锋电位。为了实现这一目的，首先通过分析锋电位的结构特征，利用分辨参数对传统微分算子进行改进，进而实现锋电位信号的增强。其次，考虑到强背景噪声的影响，引入一种简单有效的措施进一步抑制背景噪声，使得锋电位检测更加准确。实验结果表明所提方法在保持较低的计算复杂度的同时，具有更好的检测性能。 (2)提出一种基于目标稀疏表示的锋电位检测方法。针对高精度锋电位检测，本文通过引入稀疏表示理论设计出一种新的锋电位检测方法，旨在提高算法的检测能力以及对噪声的抵抗能力。首先根据不同锋电位波形之间的结构相似性构建了一个目标依赖字典，利用此字典将锋电位检测问题转化成一个稀疏优化问题。通过系统分析该稀疏优化问题的最优解，即可获得信号中所包含的锋电位的数量以及位置信息。此外，为了进一步提高算法在锋电位波形上的自适应能力，本文利用奇异值分解剔除信号中冗余成分，保留所需的主要成分。实验结果表明所提方法性能明显优于已有方法，并且具有较强的抗噪能力。 (3)提出一种基于稀疏表示和形态成分分析的锋电位检测方法。高精度锋电位检测不仅要求检测算法具有较强的抗噪能力，而且必须能够检测出形状各异的锋电位，即具有较强的自适应能力。为了实现这一目的，本文以稀疏表示理论为指导，结合形态成分分析法，设计出一种更加可靠及有效的锋电位检测方法。本文首先构建了一个既具有普适性又具有判别性的表示字典，用以稀疏表示形态各异的锋电位信号以及背景噪声；其次通过建立和求解稀疏优化模型提取出稀疏系数作为识别锋电位的特征；最后通过系统全面地分析这些稀疏特征获取锋电位的发放位置信息。实验结果表明所提方法能够准确检测出信号中的锋电位，并且与现有方法相比，具有更强的抗噪能力及自适应能力。

目录

第一个书签之前

摘要

ABSTRACT

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1研究背景及意义

1.2锋电位检测研究现状

1.2.1在线锋电位检测

1.2.2离线锋电位检测

1.3面临的问题及挑战

1.4本文的主要工作及章节安排

1.5本章小结

第二章 神经元锋电位基础理论知识回顾与总结

2.2.1锋电位的产生机制

2.2.2锋电位的特性

2.3锋电位信号的记录方式

2.3.1微电极记录技术

2.3.2信号采集系统

2.3.3背景噪声分析

2.4本章小结

第三章 基于改进微分算子的在线锋电位检测方法

3.2基于改进微分算子的锋电位检测方法

3.2.1锋电位增强

3.2.2噪声抑制

3.2.3阈值检测

3.3实验结果与分析

3.3.1性能评价指标

3.3.2仿真实验结果

3.3.3真实数据实验结果

3.4锋电位检测系统软件实现

3.5小结

第四章 基于目标稀疏表示的锋电位检测方法

4.2稀疏表示介绍

4.2.1数学模型及其求解

4.2.2稀疏字典设计

4.3基于目标稀疏表示的锋电位检测方法

4.3.1检测问题的基本建模

4.3.2提高在锋电位波形上的自适应能力

4.3.3阈值检测

4.4实验结果与分析

4.4.1仿真实验结果分析

4.4.2真实数据实验结果分析

4.5小结

第五章 基于稀疏表示及形态成分分析的锋电位检测方法

5.2形态成分分析介绍

5.3基于稀疏表示及形态成分分析的锋电位检测方法

5.3.1稀疏表示字典设计

5.3.2稀疏特征提取

5.3.3阈值检测

5.4实验结果与分析

5.4.1实验设置

5.4.2仿真实验结果分析

5.4.3真实数据实验结果分析

5.5小结

第六章 总结与展望

6.2研究展望

参考文献

致谢

作者简介