植入式脑机接口中神经元重要性评估及锋电位的高效解码

发布时间：2017-10-22 00:08

  本文关键词：植入式脑机接口中神经元重要性评估及锋电位的高效解码

  更多相关文章： 脑机接口 神经元重要性评估 神经解码 序列蒙特卡罗点过程算法 时空相关性 时变性 GPU 并行计算

【摘要】：脑机接口通过在大脑与外部设备之间建立直接的通路,在不依赖常规的脊髓／外周神经系统的情况下实现大脑与外部设备的交互,可以为残障患者康复提供新的途径。植入式脑机接口将电极阵列埋植到大脑皮层,能够记录到单个神经元的锋电位信号,这种信号时空分辨率高并且蕴含了丰富的运动信息。将这些运动信息解码出来从而实现对外部设备的精确控制是脑机接口领域的研究热点。然而由多通道记录和高频率采样获得的神经信号具有较高维度,且包含有无关信息,会影响解码的实时性和准确性；神经信号本身具有非线性时变性等特点,而现有的解码模型大多为线性静态模型,限制了对神经信号的精确解码。针对神经解码面临的这些挑战,本文尝试解决以下两个问题：1)神经元重要性的精确评估；2)锋电位的高效解码。前者可以消除神经信号中的无关信息,降低数据的维度,有利于神经解码；后者设计出更合适的算法实现对锋电位的高效解码。本文采用基于局部学习的方法,通过将神经信号高度复杂的非线性关系分解为许多局部线性关系的叠加,可以在不依赖编解码模型的情况下从数据中计算出神经元的重要性。实验结果表明相比其它方法,基于局部学习的方法可以更加精确地识别出无关神经元,并且筛选出来的少量重要神经元可以提供与全部神经元类似的解码精度,从而实现了对神经信号的有效约简。在神经解码方面,本文在序列蒙特卡罗点过程估计(SMCPP)的框架内,针对神经元的生理特性设计更加高效的神经解码算法。锋电位序列被描述为点过程,避免了采用时间窗所引起的信息丢失；后验概率表示为许多粒子的集合,移除了以往算法中的高斯分布假设,实现了对运动信息更加精确的描述。根据神经集群活动时空相关性的特点,本文在SMCPP中定义更加合理的神经元调谐模型,从而可以有效地降低解码误差。针对神经元时变性的特点,通过将参数变化点检测算法和静态参数估计算法与SMCPP相结合,仿真实验表明在解码过程中当神经元调谐特性发生突变时,该算法能自动对参数进行相应调整,相比静态参数算法进一步降低了解码误差。虽然序列蒙特卡罗点过程方法可以实现对神经活动的精确解码,然而过高的计算复杂度对算法的实时性提出了挑战。本文对该算法进行大规模并行化实现并运行在GPU上,借助GPU强大的并行计算能力来提高算法的解码速度。本文将神经科学领域的发现与机器学习算法结合从而实现对神经元重要性的精确评估和锋电位的高效解码,创新点在于：采用基于局部学习方法对神经元重要性进行精确评估,不依赖编解码模型,筛选出来的少量神经元(10个)可以提供与所有神经元(70个)类似的解码精度(95%以上)；根据神经集群活动时空相关性定义的调谐模型显著减少了解码误差,其中对位置的预测误差下降了23%；针对神经元时变性设计的动态解码模型可以自动检测到神经元调谐特性的变化,真实数据上的初步结果显示相比传统的静态参数算法,该算法可以降低解码误差。此外,本论文尝试将解码算法大规模并行化实现后运行在GPU上使解码速度提升将近10倍。这些研究都为实现长期稳定实用的脑机接口系统打下坚实的基础。
【关键词】：脑机接口 神经元重要性评估 神经解码 序列蒙特卡罗点过程算法 时空相关性 时变性 GPU 并行计算
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：R49;TP338.6
【目录】：

• 致谢5-7
• 摘要7-9
• Abstract9-18
• 1 绪论18-36
• 1.1 脑机接口简介18-20
• 1.2 研究现状20-32
• 1.2.1 植入式脑机接口系统20-23
• 1.2.2 神经元重要性的评估23-25
• 1.2.3 神经元锋电位的高效解码25-29
• 1.2.4 神经元活动的时变性29-32
• 1.3 研究内容与目标32-34
• 1.4 论文结构安排34-36
• 2 实验材料及方法36-50
• 2.1 实验对象36
• 2.2 实验平台36-37
• 2.3 实验范式37-41
• 2.3.1 抓握实验范式37-39
• 2.3.2 摇杆实验范式39-41
• 2.4 信号采集41-50
• 2.4.1 动作电位的产生与记录41-42
• 2.4.2 电极埋植手术42-44
• 2.4.3 神经信号的采集和预处理44-50
• 3 离散和连续任务的神经解码50-66
• 3.1 离散任务的神经解码51-57
• 3.1.1 K近邻算法51
• 3.1.2 支持向量机51-56
• 3.1.3 猴子不同抓握手势的解码56-57
• 3.2 连续任务的神经解码57-64
• 3.2.1 广义回归神经网络57-58
• 3.2.2 卡尔曼滤波器58-61
• 3.2.3 支持向量回归61-62
• 3.2.4 猴子四方向运动轨迹的解码62-64
• 3.3 本章小结64-66
• 4 基于局部学习方法的神经元重要性评估66-84
• 4.1 基于局部学习的评估方法67-70
• 4.2 重要神经元的解码结果70-74
• 4.3 重要神经元的发放模式分析74-75
• 4.4 基于局部学习方法的性能分析75-81
• 4.4.1 与其他方法的比较76-80
• 4.4.2 算法收敛速度分析80-81
• 4.5 神经元的时变性分析81-83
• 4.6 本章小结83-84
• 5 基于神经元生理特性的高效解码算法设计84-114
• 5.1 序列蒙特卡罗方法概述86-89
• 5.2 考虑神经元时空相关性的解码算法设计89-98
• 5.2.1 基于点过程的调谐模型91-92
• 5.2.2 调谐模型的评估方法92-93
• 5.2.3 猴子二维平面随机运动轨迹的解码93-98
• 5.3 考虑神经元时变特性的解码算法设计98-106
• 5.3.1 辅助粒子滤波算法98-99
• 5.3.2 参数变化点的检测99-100
• 5.3.3 静态调谐参数的估计100
• 5.3.4 仿真数据上的实验结果100-105
• 5.3.5 真实数据上的初步结果105-106
• 5.4 基于GPU的大规模并行化解码算法实现106-113
• 5.5 本章小结113-114
• 6 总结与展望114-120
• 6.1 工作总结114-116
• 6.2 本文创新点116-117
• 6.3 未来展望117-120
• 参考文献120-132
• 发表文章目录132-13

【相似文献】

中国期刊全文数据库 前10条

1 柯大观;童勤业;;排列复杂性度量应用于脑机接口信号分析[J];传感技术学报;2007年03期

2 周鹏;曹红宝;熊屹;张爽;王明时;;一种新型拉普拉斯电极的设计及其在脑机接口中的应用[J];传感技术学报;2007年09期

3 沈广泽;司峻峰;宁新宝;;一种用于脑机接口的模式识别方法[J];北京生物医学工程;2007年06期

4 赵均榜;张智君;;基于皮层诱发电位的脑机接口研究进展[J];航天医学与医学工程;2010年01期

5 胡汉彬;祝晔;蒋田仔;;基于功能近红外光谱技术的脑机接口研究[J];生物医学工程研究;2010年01期

6 何庆华;吴海静;田逢春;冯正权;刘涛;钟美楠;王正国;;用于控制短消息发送的实时脑机接口系统[J];中国医学物理学杂志;2012年03期

7 姚林;张定国;王颖;;脑机接口控制的下肢功能性电刺激系统研究[J];中国生物医学工程学报;2012年05期

8 高海娟;徐桂芝;王磊;郭苗苗;;基于双耳分听范式的听觉脑机接口研究[J];河北工业大学学报;2013年06期

9 杨帮华,颜国正,丁国清,于莲芝;脑机接口关键技术研究[J];北京生物医学工程;2005年04期

10 邹继东;陈小平;和卫星;赵世婧;吉奕;;小波熵提取脑意识任务特征的脑机接口设计[J];中国临床康复;2006年13期

中国重要会议论文全文数据库 前10条

1 钱久超;夏斌;杨文璐;;基于P300诱发电位的脑机接口技术研究综述[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

2 ;脑机接口数据竞赛[A];首届全国功能神经影像学和神经信息学研讨会论文汇编[C];2003年

3 岳鹏;苗丹民;邱玉辉;;一种眼动型脑机接口的设计原理[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）[C];2006年

4 何庆华;吴宝明;王禾;卓豫;;脑机接口视觉剌激方法实验研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

5 周鹏;赵欣;葛家怡;李宁;郁洪强;王明时;;基于运动想象的脑机接口的个性化设计方法研究[A];天津市生物医学工程学会2008年年会暨首届生物医学工程与临床论坛论文集[C];2008年

6 郭苗苗;徐桂芝;王磊;王江;;基于小波变换的听觉脑机接口特征信号分析[A];天津市生物医学工程学会第三十一届学术年会论文集[C];2011年

7 贾文艳;赵香花;高小榕;高上凯;杨福生;;2003年脑机接口数据竞赛论文之五——想像左右手运动的单次脑电信号分类[A];首届全国功能神经影像学和神经信息学研讨会论文汇编[C];2003年

8 何庆华;吴宝明;王禾;钟渝;杜晓兰;彭承琳;;瞬态视觉诱发电位在脑机接口中的实验研究[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

9 高小榕;;脑机接口中的信息传输技术[A];Proceedings of the 8th Biennial Conference of the Chinese Society for Neuroscience[C];2009年

10 张少白;陈悦;;脑皮层信号ECoG在脑机接口中的应用研究[A];第25届中国控制与决策会议论文集[C];2013年

中国重要报纸全文数据库 前10条

1 本报记者 罗朝淑;脑机接口：唤起神经康复的新希望[N];科技日报;2011年

2 常丽君;脑机接口让猴子成功控制虚拟手臂[N];科技日报;2013年

3 叶平安;脑机接口：人与电脑的桥梁[N];电脑报;2014年

4 本报记者 马文方;脑机接口：互联网遥远的疆界[N];中国计算机报;2010年

5 实习生 陈明立;脑机接口,开启“心灵感应”时代[N];科技日报;2010年

6 本报记者 孙燕燕;洪波：脑机接口传递思维[N];北京科技报;2010年

7 记者 李鹏;“脑机接口”实验：意识控制成真[N];北京科技报;2012年

8 松鼠会;脑机接口 不只是科幻[N];科学导报;2012年

9 安之;未来至上在创“芯”[N];经济日报;2014年

10 记者 陈宁 通讯员 周炜 杨洋;“鼠哥”眼光出众的奥秘[N];浙江日报;2013年

中国博士学位论文全文数据库 前10条

1 刘伯强;脑机接口分类算法及实验研究[D];天津大学;2005年

2 余天佑;多模态与多自由度脑机接口研究[D];华南理工大学;2013年

3 吴正华;稳态视觉诱发电位在脑机接口及认知过程中的应用研究[D];电子科技大学;2008年

4 程明;基于脑电信号的脑—计算机接口的研究[D];清华大学;2004年

5 朱丹华;基于稳态视觉诱发电位相位的脑机接口研究[D];浙江大学;2011年

6 龙锦益;脑信号分析的算法研究与多模态脑机接口[D];华南理工大学;2012年

7 何庆华;基于视觉诱发电位的脑机接口实验研究[D];重庆大学;2003年

8 吴边;基于脑电节律特征优化与同步性的运动意愿解析[D];浙江大学;2011年

9 朱晓源;EEG脑机接口的连续预测方法研究[D];中国科学技术大学;2007年

10 廖玉玺;植入式脑机接口神经元锋电位的时变特征分析与解码研究[D];浙江大学;2014年

中国硕士学位论文全文数据库 前10条

1 肖贵贤;脑机接口信号的模式分类[D];中南民族大学;2009年

2 娄彬;主动式便携脑机接口系统的关键技术研究[D];清华大学;2009年

3 谢明强;非线性动力学在脑机接口中的应用[D];浙江大学;2006年

4 何嘉全;脑机接口系统软件的初步设计[D];西安电子科技大学;2013年

5 张振旺;脑机接口中想象运动分类算法的研究[D];山东大学;2007年

6 胡人君;脑机接口应用中的思维任务分类研究[D];安徽大学;2007年

7 谷少东;基于运动想象的脑机接口的研究与设计[D];浙江大学;2008年

8 胥彪;基于视觉诱发电位的实时脑机接口系统研究与实现[D];重庆大学;2008年

9 吴太银;基于瞬态视觉诱发电位的实时无线脑机接口系统的研究与设计[D];重庆大学;2010年

10 邵晓卓;脑机接口中大鼠行为的脑电分析与识别[D];浙江大学;2006年

，

本文编号：1075853