基于鸽视顶盖神经元动作电位信号的颜色字符重建研究

发布时间：2020-04-24 18:59

【摘要】：采用重建感知信息的方式进行神经科学的研究是一种有效方式。颜色是物体、环境具备的一条自然属性,利用神经元动作电位信号实现颜色字符刺激的重建对解析视觉系统关于颜色信息的处理机制具有重要意义。鸽子具有优秀的颜色信息感知能力,视顶盖(the Optic Tectum,OT)是鸽子处理颜色信息的关键神经核团。基于利用重建方式解析神经元编码机制的目的,本文设计了不同的颜色字符刺激模式,采集了鸽子视顶盖神经元动作电位响应信号(Spike),分析了不同颜色棋盘格刺激下的神经元感受野特性,并在此基础上根据神经元响应构建了颜色信息重建模型,实现了不同颜色字符的重建,解析了鸽子OT区神经元对颜色信息处理的神经机制。本文的主要工作以及研究结果如下:(1)分析了鸽子OT区神经元的颜色感受野特性鸽子OT区神经元感受野内接受颜色刺激是神经电信号有效发放的前提。本文选取了HSV颜色空间模型中具有代表性的红色(Red,R),绿色(Green,G),蓝色(Blue,B)作为基本颜色,设计了白底红、白底绿、白底蓝、绿底红、蓝底红、红底绿、蓝底绿、红底蓝、绿底蓝类型的颜色棋盘格模式,并采用反向相关法(spikes-triggered average,STA)结合高斯拟合的方式测定感受野。以白底红棋盘格刺激的感受野为基础比较发现,白底绿刺激感受野的中心位置相对偏差为2.1902±0.3656mm,半径相对偏差为3.3648±0.1982mm,白底蓝刺激的中心位置相对偏差为2.0690±0.3953mm,半径相对偏差为2.9564±0.6217mm。对于不同背景下的棋盘格实验,经过分析发现,神经元感受野中心位置的最小相对偏差为1.4560±0.2317mm,最大中心位置偏差为2.9085±0.4402mm,感受野半径最小偏差为1.2875±0.4525mm,感受野半径最大偏差为4.3955±0.5562mm。以上分析说明不同颜色刺激下感受野的位置和大小发生了改变,因此需要在重建实验中及时调整刺激播放位置以克服感受野位置和大小变化对实验数据造成影响。(2)提取了神经元动作电位响应特征并构建了重建模型提取能够有效表征颜色视觉刺激的神经元响应特征是重建的前提。本文对B、N、空心三角形、空心圆、十字架五种字符图像分别设计了白色背景红色字符(W-R)、白色背景绿色字符(W-G)、白色背景蓝色字符(W-B)、红色背景绿色字符(R-G)、红色背景蓝色字符(R-B)、绿色背景红色字符(G-R)、绿色背景蓝色字符(G-B)、蓝色背景红色字符(B-R)、蓝色背景绿色字符(B-G)类型的字符刺激模式。提取了神经元集群Spike信号发放率特征并利用主成分分析法(PCA)对响应特征矩阵降维,并将响应特征矩阵与线性逆滤波器算法(Linear Inverse Filter,LIF),随机森林算法(Random Forest,RF)和卷积神经网络算法(Convolutional Neural Networks,CNN)结合分别构建了颜色字符重建模型。(3)选取了重建模型参数并重建了颜色字符图像,解析了OT区神经元的颜色信息处理机制重建模型参数的选取有利于提高模型的性能。对于参与重建的神经元通道,文中采用信息论和重建正确率两种方式对神经元通道进行了选取。对于刺激持续时间(T)、刺激后开始时间(delay)和时间窗口(bin)等参数,采用网格搜索法和交叉检验法的联合方法进行选取,利用选取的参数构建了性能更优的重建模型。对于颜色字符重建结果的分析,首先,利用重建模型分别对颜色字符进行重建,其中LIF重建模型的最高重建正确率达到0.9778,RF模型最高正确率达到0.9675,CNN模型最高重建正确率达到0.9822,这说明发放率特征能够表征颜色信息。然后,对颜色字符重建结果通过方差分析(ANOVA)发现:白色背景下的颜色字符刺激重建结果之间并没有显著性差异。对不同背景下的字符刺激重建结果进行分析发现,当字符为红色时,各颜色背景重建结果无显著性差异。当字符为蓝色时,红色背景削弱了蓝色的刺激响应。当字符为绿色时,蓝色背景增强了绿色的视觉刺激效果。最后,对不同颜色组合下的字符刺激进行分析发现,红底蓝(R-B)和蓝底红(B-R)类型字符与蓝底绿(B-G),绿底蓝(G-B)和红底绿(R-G)类型字符的重建结果存在显著性差异,这表明蓝色与红色两种颜色相互影响,削弱了颜色刺激强度。
【图文】：

的视顶盖（The Optic Tectum，，OT）神经核团来自视网膜神经节细胞的颜色信息，并对视觉将信息映射到丘脑圆核（thalamic nucleus rotunCowan 等人根据结构特征将其划分为 5 层[14]，质纤维层（SGFS），中央灰质层（SGC），中央白质）。作为视觉信息处理功能的重要组成部分，视体的朝向分析、运动物体的速度检测、颜色和视觉指导定位、捕食和逃避反应等[15]。码的逆推理过程，其主要包含对视觉刺激的分对于视觉系统解码研究，更多的是在目标类别[22, 23]方面的研究，而对颜色刺激信息的解码研色字符图像刺激的响应信号中提取特征并成功有助于理解视觉系统对颜色刺激信息的处理机下游采集神经元响应信号，并实现对视觉图像能评估提供一种有别于行为学的方式。

图 2.5 鸽子植入电极后的状态神经元动作电位采集系统 神经元动作电位信号采集系统构成中实验数据采用美国Blackrock公司生产的Cerebus多通道信号采集2.6 所示。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：Q42;TP391.41

【相似文献】

相关期刊论文 前10条

1 吴锐;尹芳;唐降龙;黄剑华;;模糊逻辑和谱聚类的字符图像分割[J];哈尔滨工业大学学报;2010年02期

2 吴德会,朱程辉;基于主方向检测的畸变车牌字符图像校正方法[J];自动化技术与应用;2005年04期

3 郭克华;刘传才;杨静宇;;有损字符图像复原的偏微分方程方法[J];计算机工程与应用;2007年08期

4 孙东卫;朱程辉;丰义;;基于主方向检测的畸变字符图像快速校正算法[J];现代电子技术;2007年11期

5 徐珩;刘学平;;基于多对象匹配与融合字符特征的印刷质量检验方法[J];包装工程;2019年11期

6 池浩;;一个基于Tesseract OCR Engine的Wrapper的设计与实现[J];科技传播;2011年23期

7 杨霈;;基于小波分析的字符图像分割技术[J];太原科技大学学报;2007年04期

8 高鹏，关新平，欧阳虹;数字字符图像的自动识别[J];东北重型机械学院学报;1996年04期

9 张庆丰;岑豫皖;杜培明;;数显数字字符图像特征提取算法的研究与实现[J];计算机技术与发展;2007年11期

10 乐宁;李晓天;邵华;翁世修;;一种基于屋脊边缘的字符图像细化方法[J];模式识别与人工智能;2000年03期

相关会议论文 前4条

1 沈林杰;孔祥维;尤新刚;;基于字符图像质量评价的打印机取证[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年

2 连晓岩;邓方;;基于图像识别和神经网络的验证码识别[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

3 余晓华;陈晓春;刘好炯;;手持式仪表字符识别技术研究[A];《IT时代周刊》论文专版（第300期）[C];2014年

4 孙俊;黄开竹;于浩;岩见田均;;面向中国市场的文字识别技术研发[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年

相关重要报纸文章 前3条

1 方忠诚;OCR技术及其应用[N];北京电子报;2000年

2 W-W;点点通[N];电脑报;2003年

3 ;认识自动OCR技术[N];计算机世界;2000年

相关博士学位论文 前2条

1 李国平;基于莫尔技术的标牌凹凸字符图像获取与识别研究[D];山东大学;2007年

2 李建美;标牌压印字符图像获取与处理中的关键技术研究[D];山东大学;2008年

相关硕士学位论文 前10条

1 闫文明;基于鸽视顶盖神经元动作电位信号的颜色字符重建研究[D];郑州大学;2019年

2 严科;配准寻优算法在字符配准中的应用[D];华南理工大学;2018年

3 饶哲恒;基于深度学习的字符图像识别和图像检索研究[D];湖北工业大学;2018年

4 刘丽君;基于鸽OT区神经元局部场电位信号的字符重建研究[D];郑州大学;2018年

5 周茜;基于类推思想的车牌字符图像清晰度提升[D];西安电子科技大学;2012年

6 王永波;基于字符图像识别的板坯信息跟踪系统研究[D];中南大学;2012年

7 陈志强;复杂背景下字符图像的预处理及分割算法研究[D];北京邮电大学;2013年

8 杨侠;手写体汉字分割的研究与应用[D];山东师范大学;2012年

9 赵佳;印鉴小码字符图像的切分与比对[D];南京理工大学;2011年

10 王芳元;基于实域粗糙集的图像认知词袋模型与缺陷车牌识别研究[D];合肥工业大学;2017年

本文编号：2639277