多通道神经元锋电位检测和分类的新方法.PDF

生物化学与生物物理进展 Progress in Biochemistry and Biop hys ics 2009, 36(5): 64 1~647 通道神经元锋电位检测和分类的新方法* 王静 封洲燕** ( 江大学生物医学工程与仪器科学学院生物医学工程教育部重点实验室，杭州310027) 摘要 大脑神经元胞外单细胞动作电位( 即锋电位) 的检测和分类是提取神经元脉冲序列、研究神经系统信息处理机制的关 键 为了提高锋电位的检出率和分类的正确性，设计了一种处理多通道锋电位记录信号的算法，用于分析微电极阵列记录的 大鼠海马神经元锋电位信号，电极阵列上的测量点 列紧密，4 个通道可以同时记录到来自相同神经元的信号 该算法首先 利用一种多通道阈值检测法检出四通道记录信号中的锋电位，然后利用一种基于复合锋电位的主成分特征参数分类法将锋电 位分类 仿真数据和实验记录信号的检验结果表明：与相应的单通道算法相比，该算法的锋电位检出率和分类的正确性显著 提高，并且可以增加单次实验测得的神经元数目 因此，该算法为实现神经元锋电位的自动检测提供了一种简单有效的新 方法 关键词 锋电位，检测，分类，多通道，主成分分析 学科分类号 R338，TP391 DOI: 10.3724/SP.J.1206.2008.00606 [8, 9] 大脑神经细胞动作电位脉冲序列的检测是研究 阈值法是常用的锋电位检测方法 ，它简单且 神经信息编码、揭示大脑工作机制的基础 近年 直观 但是，阈值的选取 重要，如果阈值设置过 来，随着微电子技术的发展，利用微电极阵列技术 高，就会引起锋电位漏检；而阈值设置过低，则会 可以在细胞外同时记录到大量神经元的单细胞动作 将噪声误检为锋电位 因此，如何提高阈值检测法 电位脉冲，这种动作电位被称为锋电位(spike)[1, 2] 的正确率一直是倍受关注的问题，而如何利用多通 但是，由于锋电位的幅值很小，通常只有几十微伏 道信号来实现阈值检测法也有待于研究 至上百微伏，很容易受到噪声的干扰 并且，如果 锋电位分类方法有特征参数分类法、模板匹配 来自不同神经元的锋电位的幅值本身差别不大，再 分类法以及独立分量分类法等[9～11] 其中比较常用 加上噪声干扰，就更难甄别出不同的锋电位序列 的是特征参数分类法，即提取出锋电位波形的一些 例如，如果多个神经元与某个测量点之间的距离都 特征量之后，再用这些特征量进行聚类计算，归纳 几乎相同，那么，它们的锋电位幅值也都非常接 出不同的锋电位类别 可以选取锋电位各个波峰的 [12, 13] 近，仅利用一个测量点记录的单通道信号就无法区 幅值等参数作为特征量 ，然而，这些人为选定 分哪些锋电位来自同一个细胞而哪些又是来自不同 的特征量并不一定是最佳的量 用主成分分析法 细胞 解决这些问题的一个有效的方法就是利用紧 ( principle components analysis, PCA )可以提取出具 [14] 密分布的多个测量点同时记录同一群神经元的信 有最大贡献率的特征量 ，但是，如何将其应用于 号，利用多通道记录信号来甄别各个神经元的脉冲 多通道锋电位信号的分析，是值得探索的问题 序列 应用微电极阵列可以方便地获得这种多通道 为了提高锋电位信号检测和分类的正确性，增 记录信号，而如何有效地从中提取神经元脉冲序列 加单次实验检测到的神经元数目