[優秀畢業設計畢業論文]多電極記錄神經元動作電位的檢測與分類

編號:45-91328 | DOC格式 | 6.29M | 67 頁

本文共67頁,可試讀21

試讀已結束,如需獲得全文請點擊下載

下載
已通過人工審核校對,完整可用,請放心下載 已加入誠信保障計劃,若無法下載可先行賠付
豆知手機版上線啦
分享 收藏
立即下載

內容介紹

原文檔由會員 csfujixie 發布

摘要

研究神經系統群體特征,既需要得到多個神經元同一時間的信息,又需要掌握單個神經元的放電序列。多電極細胞外記錄是對神經系統進行研究的基本手段。多電極細胞外記錄的方法經過了一定時間的發展,已經得到了廣泛的應用。但是對多電極記錄信號的處理一直是個難題。研究神經系統群體特征,需要掌握單個神經元的放電序列,然而細胞外記錄到的信號一方面夾雜大量背景噪音,另一方面是電極區域多個神經元放電動作的疊加。如何將神經電信號從原始信號中準確提取出來,得知信號記錄到的是多少個神經元活動的疊加,并且將信號中的動作電位歸類于單個神經元,是一切研究解碼過程的基礎。目前已經有很多種方法,但是第一步動作電位檢測的方法始終不盡如人意。而如果這一步的結果不準確,后面的工作都仿佛空中樓閣。因此本文試圖找到一種比較好的動作電位檢測方法。
本文提出的方法是,首先利用常用的閾值檢測方法對原始數據進行初步的動作電位檢測,然后利用主成分分析方法以及減法聚類獲得動作電位的平均模板,以動作電位的平均波形作為形態學濾波器,重新對原始數據進行動作電位檢測。此方法使用在模擬數據中,在各種噪聲強度下效果均比閾值法有所提高,并且在存在基線漂移的情況下效果明顯較好。最后將算法用到采集的實驗數據樣本中。

關鍵詞:動作電位檢測,動作電位分類,閾值檢測,形態學濾波器









DETECTION AND SORTING OF ACTION POTENTIALS RECORDED BY MULTI-ELECTRODE SYSTEM

ABSTRACT

To understand the population behaviors in nervous system, we need both the real-time information each neuron carries, and the exact firing sequence of the individual neuron. Multi-electrode system is the fundamental tool for research in nervous system. With its development after years, multi-electrode system has been widely used. But the process of the signal extracted from multi-electrode system is still a big problem. We want the exact firing sequence of individual neuron, however, the signal is corrupted with a large amount of background noise and the signal may involve the firing activities of more than one neuron. To get all the spikes, count the number of neurons contributing to the signal, and find the neuron that fires each spike is the very first step of all the research. Many methods have been developed, but the first step, spike detection is still not satisfying. Therefore, in this paper, a better method of spike detection is expected.
This paper proposes a method combining threshold detection and morphological filter. Firstly, apply the threshold detection to the recorded data, and cluster the spikes with principal component analysis. Secondly, take the template of one cluster of spikes as the morphological filter. Finally, filter the raw data with the best morphological filter and redetect the filtered signal. This method works better than threshold detection with varied signal noise ratio. When the baseline shifts, the new method is not influenced while the threshold detection is apparently inferior. The method is also used to process real data.

Key words: spike detection, spike sorting, threshold detection, morphological filter



目錄
第一章 緒論…………………………………………………………………………………..1
1.1神經元動作電位記錄系統 1
1.2神經元動作電位檢測的意義 2
1.3動作電位檢測的方法及發展概述 3
1.3.1閾值檢測法 3
1.3.2窗口檢測 4
1.3.3基于非線性能量算子的檢測 4
1.3.4 匹配濾波方法 5
1.3.5 基于概率的檢測 5
1.3.6基于小波變換的檢測 5
1.4神經元動作電位的分類方法 6
1.4.1模板匹配 6
1.4.2基于特征分析的分類方法 6
1.4.3 聚類方法 7
1.5本章小結 8
第二章 材料與方法 10
2.1 模擬數據方法 10
2.2神經元動作電位信號多電極記錄系統 11
2.2.1 多電極陣列 11
2.2.2視網膜標本 12
2.2.3灌流系統 12
2.2.4 刺激和記錄系統 12
2.3 基于形態學濾波器的方法 13
2.3.1動作電位檢測方法 14
2.3.2動作電位分類方法 15
2.4 本章小結 16
第三章 結果 17
3.1將所提出算法用于模擬數據 17
3.1.1閾值法檢測與主成分分析 17
3.1.2形態學濾波器的構建與濾波 20
3.2兩種方法對比結果 22
3.3模擬基線漂移數據結果 23
3.4真實實驗數據結果 25
3.5本章小結 28
第四章 總結與展望 30
謝辭………………………………..…………………………………………………………33
原文及譯文 34

掃掃二維碼,隨身瀏覽文檔

手機瀏覽器 即可繼續訪問

推薦 UC瀏覽器 或 百度手機瀏覽器

手機閱讀文檔,一鍵掃碼下載

獲取二維碼

微信公眾號

手機 關注公眾號

關注公眾號,用微信掃描即可登錄網站

獲取二維碼
幸运飞艇计划数据 福彩3d最大奖800万 cf手游抽小丑旗帜技巧 陕西11选5开奖走势图 广西快三助手下载安装 2017澳门电子游戏网站 11选5每期必中 游戏试玩哪个最赚钱 微信捕鱼达人h5攻略 湖南转转麻将什么软件好 宝赢彩票软件 西时时彩开奖结果走势图 如何培养赚钱的命 ag街头烈战开奖官网 北京PK10开奖历史记录 单机捕鱼达人2破解版 金吊桶论坛稳赚包六肖/金吊桶稳赚包六肖