小鼠視覺感受區(qū)電位信號休息休息課件

小鼠視覺感受區(qū)電位信號(LFP)與視覺刺激之間的關(guān)系研究

Studyontherelationbetweenthelocalfieldpotentialinvisualareaofawakemiceandthevisionstimulisignal人類腦計劃（HumanBrainProject,HBP）一國際性科研計劃，其核心是神經(jīng)信息學(xué)(Neuroinformatics）。該研究旨在努力探究數(shù)十億個神經(jīng)元的信息，以期對知覺、行動以及意識等有更進(jìn)一步的了解?？茖W(xué)家們預(yù)期這是一條開發(fā)新技術(shù)的好途徑，由此可能進(jìn)一步認(rèn)識像老年癡呆和帕金森綜合癥等疾病，有望為各種精神疾病研究出新的治療方法。背景(Background)3大腦意識和神經(jīng)沖動的基礎(chǔ)都是電信號，這些電信號是如何精確表達(dá)一連串復(fù)雜動作？如何對腦電波進(jìn)行分離？如何應(yīng)用腦電波實(shí)現(xiàn)意念控制？handminder.docx研究動機(jī)（Motivation）視覺感受區(qū)的局部電位是否有規(guī)律性的變化？與呼吸曲線的周期性之間是否有聯(lián)系？視覺感受區(qū)的局部電位是否與視覺刺激相關(guān)？具體的聯(lián)系是什么？命題意圖

認(rèn)真審題，發(fā)現(xiàn)“問題的難點(diǎn)”：關(guān)注若干個行為或思想，而對應(yīng)的腦電波可能很弱。這在信號處理領(lǐng)域，相當(dāng)于弱信號檢測。在數(shù)學(xué)領(lǐng)域，這可能屬于不適定的反問題。顯然只有將腦電波信號很好地分離才能從中確定某種腦電波與某種行為相對應(yīng)。這也可以理解為盲源分離或半盲信號分離問題。但通常的盲源分離技術(shù)在這里很難奏效，或誤差太大，因?yàn)槟X電波這一混合信號是由尺度差異很大的信號所構(gòu)成的。如何分析、求解問題？（1）數(shù)據(jù)預(yù)處理：呼吸曲線[注：僅波峰和波谷點(diǎn)有生理意義，分別代表吸氣和呼氣末。]呼吸信號是通過熱敏電極在鼻子附近記錄的，主要表現(xiàn)是呼氣時溫度升高（曲線下降），曲線具體幅度等沒什么價值。如何分析、求解問題？（2）從提供的材料中發(fā)掘信息：（1）關(guān)于大腦：腦干的功能主要是維持個體生命，包括心跳、呼吸、消化、體溫、睡眠等重要生理功能，與腦干的功能有關(guān)；（2）Whiskerbarrelcortexdeltaoscillationsandgammapowerintheawakemousearelinkedtorespiration：鎖相是使被控振蕩器的相位受外來信號控制的一種技術(shù)，用來實(shí)現(xiàn)與外來信號相位同步。（呼吸為外來控制信號？）如何分析、求解問題？（3）睡眠狀態(tài)下，腦電波的周期節(jié)律有可能與呼吸相關(guān)聯(lián)：無關(guān)問題（2）建立腦電波信號的分離模型，能否從前兩種狀態(tài)（睡眠狀態(tài)、無視覺刺激的清醒狀態(tài)）的腦電波信號中分離出與小鼠呼吸相關(guān)聯(lián)的腦電波信號？利用某種盲分離技術(shù)分離出相關(guān)信號后，檢驗(yàn)在睡眠狀態(tài)下，沒有與呼吸相關(guān)聯(lián)的成份。（人體的基礎(chǔ)節(jié)律強(qiáng)，弱信號如何分離？）問題（4）關(guān)于大腦：大腦的構(gòu)造、腦的節(jié)律、腦電波腦電波信號：睡眠狀態(tài)、清醒狀態(tài)（無視覺刺激、有視覺刺激）信號獨(dú)立性與因果關(guān)系分析信號分離難點(diǎn)與對策總結(jié)研究生數(shù)模競賽思考Outline人腦的構(gòu)造主要包括腦干、小腦與前腦三部分。腦干的功能主要是維持個體生命，包括心跳、呼吸、消化、體溫、睡眠等重要生理功能，均與腦干的功能有關(guān)。小腦（cerebellum）位于大腦及枕葉的下方，恰在腦干的后面，是腦的第二大部分。在功能方面，小腦和大腦皮層運(yùn)動去共同控制肌肉的運(yùn)動，籍以調(diào)節(jié)姿勢與身體的平衡。前腦（forebrain）屬于腦的最高層部分，是人腦中最復(fù)雜、最重要的神經(jīng)中樞。前腦又分為視丘、下視丘、邊緣系統(tǒng)、大腦皮質(zhì)四部分。大腦皮質(zhì)為中樞神經(jīng)系統(tǒng)的最高級中樞，各皮質(zhì)的功能復(fù)雜，與軀體的各種感覺和運(yùn)動有關(guān)。大腦–大腦的構(gòu)造大腦在進(jìn)化過程中，腦內(nèi)形成了各種各樣的節(jié)律控制系統(tǒng)。睡眠和覺醒是最明顯的節(jié)律行為。由腦控制的節(jié)律周期有些比較長，比如冬眠動物的一些節(jié)律活動；而另一些較短，如呼吸節(jié)律，行走步伐和大腦皮層的電節(jié)律等。大腦皮層存在著大量的電節(jié)律。它們通常是大群神經(jīng)元組同步產(chǎn)生的。比如，當(dāng)你試圖抓住一個籃球時，同時對形狀、顏色、運(yùn)動、距離甚至籃球的含義反應(yīng)的不同神經(jīng)元群組趨于同步的震蕩。迄今為止，大腦皮層節(jié)律的功能在很大程度上還是一個謎。大腦—腦的節(jié)律腦電波是一系列自發(fā)的有節(jié)律的神經(jīng)電活動，其頻率變動范圍在每秒1－30次之間的，可劃分為四個波段，即δ（1－3Hz）、θ（4－7Hz）、α（8－13Hz）、β（14－30Hz）。δ波，昏睡狀態(tài)。α波，是正常人腦電波的基本節(jié)律。人在清醒、安靜并閉眼時該節(jié)律最為明顯，睜開眼睛或接受其它刺激時，α波即刻消失。β波，當(dāng)精神緊張和情緒激動或亢奮時出現(xiàn)此波，當(dāng)人從睡夢中驚醒時，原來的慢波節(jié)律可立即被該節(jié)律所替代。大腦—腦電波視覺感受區(qū)的局部電位是否有規(guī)律性的變化？與呼吸曲線的周期性之間是否有聯(lián)系？視覺感受區(qū)的局部電位是否與視覺刺激相關(guān)？具體的聯(lián)系是什么？視覺感受區(qū)信號成份？21睡眠狀態(tài)LC01_20131204_Data10_V1_50s_110s.JPG清醒無刺激V01_20131126_Data03_80s_110s_LFP_NoStim.JPG清醒有視覺刺激V01_20131126_Data03_300s_330s_LFP_VisStim.JPGLFP猜測：呼吸過程是由腦干部分發(fā)出“呼”和“吸”的命令，由神經(jīng)元集群同步產(chǎn)生動作電位，該電位完成呼吸過程。HR神經(jīng)元信號的因果關(guān)系呼吸周期性與腦電周期性（睡眠）“呼”、“吸”命令導(dǎo)致腦電的顯著性差異：波峰波谷確定其波峰波谷對應(yīng)的時刻值，取其前后3個點(diǎn)，稱其為呼吸點(diǎn)LFP值；每兩個相鄰的波峰波谷的中間時刻為非呼吸點(diǎn)對應(yīng)的時刻，取其前后3個點(diǎn)，稱其為非呼吸點(diǎn)LFP值（下圖為睡眠）呼吸點(diǎn)std1=201.9156，非呼吸點(diǎn)std2=235.1606。顯著性影響顯著性影響（清醒狀態(tài)）清醒狀態(tài)下呼吸點(diǎn)和非呼吸點(diǎn)對應(yīng)的標(biāo)準(zhǔn)差分別為：呼吸點(diǎn)std3=164.2771，非呼吸點(diǎn)std4=145.5945。睡眠狀態(tài)：腦電中不明顯包含與呼吸相關(guān)聯(lián)的成份；（顯著性檢驗(yàn)如何構(gòu)造？）清醒狀態(tài)：腦電中是否含有與呼吸關(guān)聯(lián)的信號不顯著。Why?（在清醒時刻，視覺刺激通過一個復(fù)雜過程或聯(lián)想影響呼吸！）結(jié)論與討論30目標(biāo)：感興趣的信號（與行為和思想相關(guān)聯(lián)）難點(diǎn)：（1）腦的節(jié)律眾多；（2）信號強(qiáng)弱差別很大；（3）觀測少于信號數(shù)。問題歸屬：盲分離或半盲分離；亞定問題。假設(shè)：視覺皮層的腦電來自于彼此獨(dú)立的源。解決方案：ICA(IndependentComponentAnalysis)、EMD(EmpiricalModeDecomposition)信號分離難點(diǎn)31小波分解、頻域分解：人為的盲信號分離(BlindSourceSeparation,BSS)：分離的信號具有明確的意義。分離與分解可以視為源信號，觀測到的是所有源信號的混合信號，不妨假設(shè)為線性混合在忽略噪聲數(shù)學(xué)上：亞定問題增加假設(shè)：彼此獨(dú)立！常用算法：FastICAICA(IndependentComponentAnalysis)獨(dú)立成份分析快速算法的設(shè)計是利用獨(dú)立信號的非高斯性弱于合成信號，一般利用負(fù)熵來實(shí)現(xiàn)的。而其基本原理是中心極限定理。該定理成立的條件是Lindeberg‘scondition。弱信號分離技術(shù)難點(diǎn)Letbeindependentrandomvariables.Assumetheexpectedvaluesandvariancesexistandarefinite.Ifsatisfies

theLindeberg'scondition:

thenthecentrallimittheoremholds,i.e.therandomvariablesconvergeindistributiontoastandardnormalrandomvariableasLindeberg’sconditionLindebergconditionimplies

Itguaranteesthatthecontributionofanyindividualrandom

variabletothevarianceisarbitrarilysmall.Itremovestheexistenceofprincipalcomponentintherandomvariables.中心極限定理解釋Let

,then

Example1.Principalindependentcomponent:FastICAwithinitialdecompositionvector,whichisdeterminedbyPCA.2.任意不相關(guān)：weakindependentcomponents獨(dú)立成份分析改進(jìn)思想分離的信號與呼吸信號相關(guān)性不大0.04睡眠狀態(tài)腦電波分離分離信號與呼吸之間的相關(guān)系數(shù)最大0.04無視覺刺激的清醒狀態(tài)視覺刺激有視覺刺激的功率譜視覺刺激信號分離從上述功率譜圖發(fā)現(xiàn)：視覺刺激的能量譜對應(yīng)的頻率與腦電的功率譜的局部極值重合，所以有對應(yīng)的腦電成份。但分解出的信號與視覺刺激的相關(guān)性不大?？赡艿膯栴}：（1）視覺刺激不是以線性形式影響腦電，線性模型不合適；（2）算法有問題。分離過程中的問題ICA-R視覺刺激功率譜Ψ與視覺皮層中反映該刺激的信號的功率譜具有相似性問題：權(quán)重系數(shù)、功率譜或其它特征？一種改進(jìn)視覺皮層腦電波中不明顯含有與呼吸相關(guān)聯(lián)的信號；視覺感受區(qū)的局部電位與視覺刺激相關(guān)?？偨Y(jié)（部分回答命題目的）研究生數(shù)模競賽的目的：數(shù)模應(yīng)讓學(xué)生終生受益，而不只是一次獲獎。與本科生數(shù)模的區(qū)分度（命題與答案引導(dǎo)：題目應(yīng)有深度和廣度，不需要完美的答案，不終止于競賽！）創(chuàng)新性有待提高（發(fā)散性思維、數(shù)學(xué)在創(chuàng)新性中的作用）思想性、嚴(yán)謹(jǐn)性、實(shí)用性完美的結(jié)合（給出想法