多電極陣列上培養(yǎng)神經(jīng)元網(wǎng)絡(luò)的鋒電位信號(hào)處理.pdf

1、本文采用多電極陣列記錄神經(jīng)元的鋒電位信號(hào)，在MATLAB平臺(tái)下編寫了可視化軟件SpikeTools，采用了閾值分類、形狀分類、主成分分類等多種分類方法以及聚類方法對(duì)原始信號(hào)中的鋒電位進(jìn)行了分類，并對(duì)各種分類方法的效果進(jìn)行了對(duì)比；同時(shí)，該軟件實(shí)現(xiàn)了多種形式的鋒電位序列的同步性分析，并通過類之間、通道之間鋒電位時(shí)間序列的相關(guān)性揭示了相鄰神經(jīng)元活動(dòng)之間的聯(lián)系，有助于了解神經(jīng)元網(wǎng)絡(luò)中群體活動(dòng)的相互影響。使用SpikeTools軟件分別對(duì)模擬數(shù)

2、據(jù)以及實(shí)驗(yàn)數(shù)據(jù)的鋒電位進(jìn)行分類，對(duì)模擬數(shù)據(jù)的分類結(jié)果表明：均有90％以上的鋒電位得以正確歸類；對(duì)實(shí)驗(yàn)數(shù)據(jù)的分類結(jié)果表明：閾值分類方法能對(duì)電壓幅值有明顯區(qū)別的鋒電位進(jìn)行合理分類，形狀分類方法能根據(jù)鋒電位的幅度與寬度來對(duì)電壓幅值接近的鋒電位進(jìn)行分類，而主成分分類方法區(qū)分波形的整體差異，能分離前兩種方法難以區(qū)別的類；聚類方法可實(shí)現(xiàn)自動(dòng)分類，無需人工劃分。使用SpikeTools軟件對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行相關(guān)分析，結(jié)果表明，當(dāng)神經(jīng)元工作時(shí)，它們并不是