动作电位模式分类及神经元模型响应频率同步性研究
随着植入式多电极阵列技术的逐步成熟，计算神经科学研究有了新的实验手段。如何从多电极阵列采集的神经电信号中，快速准确地检测出神经元动作电位(spike)的发生，并将其归属于非同源的神经元，是后续神经元或神经元网络编码研究的前提和基础。针对spike信号短时长、非线性和非平稳性，以及奇异谱熵可反映spike信号在奇异值分解下的复杂度与信息量，本文提出利用奇异谱熵算法提取spike特征，结合C均值聚类算法实现spike分类。针对非同源spike信号波形及幅值波动等方面存在的差异，以及排列组合熵特征可表征spike信号波形变化的复杂度与信息量，本文继而提出采用spike信号排列组合熵特征结合寻谷聚类算法实现spike分类。通过实验证明两种spike模式分类新方法均具有较佳的分类效果。又由于神经元模型响应与刺激对应关系的仿真研究，可为后期真实spike信号编码研究提供必要的理论基础，是神经编码研究的一种有效途径，所以本文以神经元电特性建模中被广泛应用的Hodgkin-Huxley(HH)神经元多输入单输出模型为例进行研究，发现在一定情形下该模型响应与刺激间存在着频率同步性；以双层HH网络模型为例的研究进一步发现，网络结构可使频率同步性得到一定的提升；进而说明频率编码方式可能是生物神经编码的一种可行方式。
本文主要工作和研究成果如下：
(1)本文提出了基于奇异谱熵进行非同源spike特征提取的新方法，以反映spike信号在奇异值分解下的复杂度与信息量；经过KS检验等步骤完成特征向量的选择；最后利用C均值聚类算法实现了非同源spike信号的快速准确分类。实验结果表明，奇异谱熵特征能表达和区分非同源spike的动态特性，可作为spike信号分类的有效依据。
(2)本文提出了基于排列组合熵的非同源spike特征提取新方法，以表征spike波形变化及幅值波动的复杂度与信息量，经特征向量选择后根据二维特征空间中特征点分布的特殊性，利用寻谷聚类法实现spike信号分类。研究表明，spike排列组合熵特征结合寻谷聚类法的spike分类新方法，能较好区分非同源spike信号的相互干扰，方法具有一定的有效性。
(3)本文将HH神经元模型推广为多输入单输出模型，使其更符合神经元多突触输入的情形；进而研究模型响应在独立多输入情况下的频率同步特性。以双输入为例的仿真结果表明，在特定刺激信号输入情形下，输出的spike序列能在频率上响应输入刺激信号；进而研究膜电容、刺激信号频率跨度等因素对模型频率同步性的影响。
(4)本文构建了HH神经元的双层网络模型，以便更真实模拟神经元之间的突触连接方式，并进一步研究网络结构对频率同步性的影响。双输入仿真结果表明，神经元网络结构能够有效加强系统频率同步性；且在强相关双变频刺激信号输入情况下，网络模型的频率同步性表现得尤为显著。研究结果将为后续神经频率编码的电生理实验开展提供必要的理论基础。
动作电位分类;奇异谱熵;排列组合熵;神经元模型;响应频率
杭州电子科技大学
硕士
模式识别与智能系统
范影乐
2010
中文
R338.8;R318.04
64
2011-08-03（万方平台首次上网日期，不代表论文的发表时间）