多電極鋒電位信號分類技術(shù)

優(yōu)秀畢業(yè)論文使用的動作電位分類方法。1.1模擬數(shù)據(jù)方法參數(shù)，與原本的狀況進展比照，對結(jié)果優(yōu)劣進展準確評價，首先將算法用在模擬數(shù)據(jù)上。分別承受了描點法和指數(shù)函數(shù)兩種方法模擬單個神經(jīng)元動作電位。1-1描點法模擬兩個單個神經(jīng)元動作電位波形1-2A,B兩個獨立神經(jīng)元動作電位波形擬單個神經(jīng)元動作電位。模擬時假設〔〕每個神經(jīng)元的放電頻率不變〔〕3〕不同神經(jīng)元動作電位波形有明顯差異〔〕噪聲為白噪聲，聽從高斯分布〔5〕神經(jīng)電信號與噪聲線性疊加。個神經(jīng)元放電的狀況。將以上兩個單個動作電位波形分別以200、120為參數(shù)泊松分布40、畢業(yè)論文優(yōu)秀畢業(yè)論文60個，并疊加。疊加后局部動作電位重疊，因此疊加后的動作電位大事數(shù)目為81個。最終再添加不同信噪比的高斯白噪聲3時的模擬數(shù)據(jù)。1-3模擬數(shù)據(jù)神經(jīng)元動作電位信號多電極記錄系統(tǒng)據(jù)。本文中的真實數(shù)據(jù)來自以下介紹的多電極記錄系統(tǒng)，由試驗室學姐景瑋采集。多電極陣列〔Multi-electrodearraMEMMEP-4,CNNSUNT,尺寸為55c2，底板為石英玻璃材質(zhì)，內(nèi)嵌有64條彼此絕緣的導線〔IT64個電極直徑大約8，間距為150〔中心到中心，依據(jù)88的陣列排布。數(shù)學形態(tài)學是建立在積分幾何和隨機集論等嚴格數(shù)學理論根底上的一門親熱聯(lián)系實際的科學[16]“探針”收集待處理信號的信息，探針在信號中不斷移動，即可考察信號各個局部之間的相互關(guān)根本形態(tài)學變換建立在Minkowski和差運算的根底之上,其根本運算包括腐蝕、膨脹以及由此引出的形態(tài)開運算和形態(tài)閉運算[17]。依據(jù)分析信號的不同，可以分為二值形態(tài)變換和灰值形態(tài)變換，本設計中用到的是一維離散信號的灰值形態(tài)變換。分的信號分解為具有物理意義的各個局部態(tài)特征。義明確、有用有效等優(yōu)點。設待處理信號f(n)D[f]={0，1,2,3,…,N}；g(x)為一維構(gòu)造元素序列，其定義域為D[g]={0，1,2,3,…,P}P和N為整數(shù)。則腐蝕與膨脹運算分別定義為腐蝕：畢業(yè)論文膨脹：開運算：

fgs(n)=fgs(n)=

min fnxgxn1,2,3,…,mmax n1,2,3,…,m

優(yōu)秀畢業(yè)論文〔2-1〕〔2-2〕閉運算：

f g(n)=

fgsgn

〔2-3〕

fgsgn

〔2-4〕:形態(tài)開可以平滑信號中的正向脈沖(峰)，除去毛(谷),形態(tài)濾波效果還和構(gòu)造元素的尺寸和外形有關(guān),應依據(jù)信號的特點選取不同的構(gòu)造元素。使用開、閉運算,[119,沖。3波器。交替濾波器即開閉和閉開濾波器。交替濾波器:開閉運算：OCfn=fngngn

〔2-5〕閉開運算：混和濾波器

COfn=fngngnHFfn=fngnfngn/2

〔2-6〕〔2-7〕交替混和濾波器

M fn=aw

21OCfnCOfn 〔2-〕2對于一樣寬度的構(gòu)造元素而言〔即構(gòu)造元素的長度為計算速度相近，而交替混和濾波器的速度最慢，當P值很大時，這種時間差異會更大。通常交替濾波器的輸出會向下〔或向上〕偏移，這是由于開〔閉〕運算的輸出信號總是位于原信號下〔上替混合濾波器。本文方法中承受級聯(lián)開-閉(OC)、閉-開(CO)平均組合的交替混合濾波器。形態(tài)學處理方法是基于構(gòu)造元素填充探測的思想性能。由于形態(tài)濾波器的性能受構(gòu)造元素的影響較大敏感，所以應依據(jù)濾波后要保持的信號特征選取構(gòu)造元素的尺寸。畢業(yè)論文優(yōu)秀畢業(yè)論文態(tài)特征[20]。這些方法的缺陷在于，濾波器的選取沒有足夠的依據(jù)，不能在物理意義上足夠接近待檢測動作電位。兩邊取不同的長度作為濾波器，查找最正確濾波效果。動作電位分類方法主成分分析方法數(shù)據(jù)，再以此為根底進展聚類分析。主成分分析〔PCA〕的是在數(shù)據(jù)空間中找出一組向量來盡可能地解釋數(shù)據(jù)的方差描述來降低特征空間維數(shù)，將數(shù)據(jù)從原來n維降低到m維(m<<n)，在降維后保存了數(shù)據(jù)中的主要信息的同時獲得原模式空間的一個最優(yōu)低維靠近，從而使數(shù)據(jù)更易于處理。將有一樣特征的對象被歸為一類。減法聚類減法聚類[11]n個點對應于數(shù)據(jù)中的nz(i=1,2…,in)。z處的密度D(z為i 1

Dz1 i

n

zz2zz2ij22 a

〔2-9〕其中 是區(qū)分參數(shù)由用戶自己定義大小認為具有最高密度的點是第一個聚類中心，az*z*點的密度用D1(z*)z*點，重計算z

的密度：1 1 1

1 izz*2i1zz*2i122bDz2 i

Dz1

D1

z* exp 1

〔2-10〕其中的值應中選取的比大些，避開兩b b bz*，它具有D2(zi)中的最大2密度。以此類推，為了找到第(j+1)個聚類中心，要在D的定義是：

j+1

(z)中找到密度最大的點。Di

j+1

(z)izz*2ijzz*2ij22bD zj1 i

Dj

zDi

z* exp j

〔2-11〕畢業(yè)論文優(yōu)秀畢業(yè)論文直到全部剩余點的密度小于肯定閾值，說明聚類中心已經(jīng)全部找到。rk

rkz*r

的選取需要格外留神。太小難以排解噪k k聲的影響，太大會造成假陽性的誤判，甚至造成簇的重疊。2.4本章小結(jié)訂正單純使用初步閾值檢測的錯誤。畢業(yè)論文優(yōu)秀畢業(yè)論文將所提出算法用于模擬數(shù)據(jù)閾值法檢測與主成分分析3-43倍標準差用于本文模擬的數(shù)據(jù)中效果很差。因此，本文對于23倍標準差作為閾值的兩種狀況均進展了運算。并調(diào)整信噪比，在每個一樣信噪比下承受兩種方法：閾值法和本文提出的方法，進展運算和比較。以動作電位峰值為中心，取前后共39個點作為一個動作電位大事。將全部檢測出的動作電位用主成分分析的方法降維，提取其最顯著特征相量，將39維的動作電位投射為的二維坐標空間中的點，得到主成分分析散點圖〔圖3-。10得到的結(jié)果。3-1主成分分析散點圖將肯定半徑范圍內(nèi)的點歸為一類，認為屬于同一神經(jīng)元發(fā)放的動作電位。圖3-2和圖3-3分別顯示了歸類于神經(jīng)元A和神經(jīng)元B能，一是兩個神經(jīng)元動作電位疊加，如圖3-4A，二是單個動作電位波形被噪聲嚴峻干擾，如圖3-4B，三是噪聲峰值，在這個例子中沒有表達。減法聚類后，屬于A神經(jīng)元的動作電24個，屬于B42個。畢業(yè)論文優(yōu)秀畢業(yè)論文圖3-2歸為A類的動作電位 圖3-3歸為B類的動作電位3-4歸為奇異點的動作電位將歸為一類動作電位波形疊加平均后，得到此類的動作電位模板。圖3-5神經(jīng)元A的平均動作電位模板 圖3-6指數(shù)函數(shù)模擬神經(jīng)元A動作電位畢業(yè)論文優(yōu)秀畢業(yè)論文圖3-7神經(jīng)元B的平均動作電位模板 圖3-8指數(shù)函數(shù)模擬神經(jīng)元B動作電位可以看出信噪比取10時，經(jīng)過主成分分析法聚類取平均后的動作電位模板與原動作電位波形相差很小。形態(tài)學濾波器的構(gòu)建與濾波形態(tài)學濾波的兩個關(guān)鍵點是構(gòu)造元素的選取和構(gòu)造元素的寬度。為了盡可能接近待濾動作電位的形態(tài)學特征，本設計選取聚類平均得到的動作電位模板作為形態(tài)學濾波。在寬度的選取上，將平均動作電位的峰值固定作為構(gòu)造元素的中間點，對稱取平均動作電位峰值兩邊不同長度作為構(gòu)造元素，查找最正確濾波效果。3-9A動作電位模板的最正確構(gòu)造元素對上述的模擬數(shù)據(jù)處理時，得到最正確效果如下。圖3-10顯示為待測模擬數(shù)據(jù)，圖3-11顯示形態(tài)學濾波后得到的數(shù)據(jù)。圖3-12，圖3-13分別是檢測前后的數(shù)據(jù)放大圖，可以更明顯的表達濾波的效果。畢業(yè)論文優(yōu)秀畢業(yè)論文3-10SNR=10時模擬數(shù)據(jù)3-113-9構(gòu)造元素濾波的結(jié)果畢業(yè)論文優(yōu)秀畢業(yè)論文3-12SNR=10時原始模擬數(shù)據(jù)的局部放大圖3-13濾波結(jié)果的局部放大圖兩種方法比照結(jié)果3.110號較好的狀況下閾值檢測法和方法所得出的檢測結(jié)果相差不大。為全面考察提出方法的性能，將兩種方法分別用于九組模擬數(shù)據(jù)，即調(diào)整信噪比由102σ形片段。大事與真實動作電位的概念并不等同，比方本文中大事數(shù)為81，是由于模擬的神A40個動作電位與神經(jīng)元B60個動作電位發(fā)生了重疊。對于每一次運算，設模擬的真實大事的數(shù)目為N，檢測出的大事數(shù)為m，其中正確的檢測數(shù)目為n，則定σ:畢業(yè)論文優(yōu)秀畢業(yè)論文mnNn/N 表達閾值法的效果，承受了兩倍信號標準差〔SD〕和三倍信號標準差兩種閾值。4N=8167個，14n=8016σ=8.64%。使用閾值法與形態(tài)學濾波其結(jié)合的方法，3-14不同信噪比下兩種方法結(jié)果比照圖3-14中，σ代表錯誤率，從圖中可以看出，當信噪比>2時，閾值法與形態(tài)學濾波器<=2閾值檢測就很難得到抱負的結(jié)果，的方法也難以改進正確率。時有提高顯著。模擬基線漂移數(shù)據(jù)結(jié)果方法在模擬的基線漂移狀況下也取得較好的效果。畢業(yè)論文優(yōu)秀畢業(yè)論文3-15模擬基線漂移信號3-16模擬基線漂移信號局部放大圖在模擬的基線漂移狀況下，參加信噪比為10的白噪聲〔圖3-13-16，對于受漂移影響大的動作電位無法檢出。畢業(yè)論文優(yōu)秀畢業(yè)論文3-17方法濾波后狀況3-18方法濾波后狀況局部放大圖假設使用形態(tài)學濾波，可以抑制基線漂移帶來的影響〔如圖3-1、3-1。用閾值法檢測，檢出78個動作電位，漏檢3個，錯誤率為3.7%。用本文方法，形態(tài)學8011.23%。真實試驗數(shù)據(jù)結(jié)果2.1200Hz50Hz工頻噪聲。畢業(yè)論文優(yōu)秀畢業(yè)論文3-19原始記錄信號3-20200Hz高頻濾波后信號此時的困難是，算法速度較慢，而使用的真實數(shù)據(jù)采樣率較高〔40000H，難以對足驗室現(xiàn)有設備MEA直接找到形態(tài)學濾波器。畢業(yè)論文

PlexonInc.Texas,US對大量數(shù)據(jù)進展快速聚類后的結(jié)果，優(yōu)秀畢業(yè)論文3-21MEAworkstation〔PlexonInc.Texas,USA〕軟件截圖使用的軟件截圖如圖3-21。圖中的三團點簇代表了軟件計算的大事分類。其中黃色點三團點簇的平均動作電位模板顯示在界面的左邊從黃色點簇的波形可以看出它明顯是噪聲大事。單純用閾值檢測法檢測到動作電位333-2242個。畢業(yè)論文優(yōu)秀畢業(yè)論文3-22本文方法形態(tài)學濾波后的信號測得到的動作電位進展比照?？梢杂X察，兩種方法都檢測為動作電位的信號片斷居多，圖3-23為一例。3-23被兩種方法檢測為動作電位的信號片斷依據(jù)閱歷推斷，這一類動作電位是真實動作電位。同時，很多波形片段僅被兩種方法中的一種判為動作電位，如圖3-24和圖3