植入式神经电信号检测及其在麻醉深度评估中的应用

发布时间：2018-06-04 04:18

本文选题：植入式神经电信号 + 近似熵　；参考：《杭州电子科技大学》2014年硕士论文

【摘要】：基于多电极阵列的植入式神经电信号采集手段，提供给研究者一种在神经元层次上观察信息流产生、突触传递以及编码的途径，在神经工程的研究中扮演了越来越重要的角色。但其在具体应用中，仍存在若干个急需解决的问题，例如多电极阵列各通道采集到的信号一般并非是单个神经元的电活动，而是采集系统所引入的噪声、神经系统的背景噪声，以及电极附近多个神经元电活动的时空叠加。因此首先需要从含噪的植入式神经电信号中，检测出有效的动作电位(spike)信号，并按发放源的不同对其进行模式分类，这是探索神经编码机制的基础和前提。又例如，当检测获得特定皮层神经元的脉冲发放序列后，用脉冲发放率这类粗略的传统特征来表达它与外界激励模式之间的关联性，，可能并非是一种高效可行的编码方式。因此本文针对植入式神经电信号的检测方法展开研究，并以麻醉深度评估为具体应用，来探索神经电信号的编码技术。由于神经元电活动是细胞膜上钾钠等离子通道开合的外在反映，其兴奋时所产生的动作电位信号不可避免具有一定的非线性时变特征，因此传统的模板匹配法或者PCA等线性特征提取方法，在植入式神经电信号的检测中性能并不理想。本文利用近似熵在描述非线性信号复杂度的有效性，提出了基于近似熵的spike信号特征提取方法，并结合K均值聚类方法完成对信号的模式分类；同时考虑到神经系统作为一类非线性动力系统，其看似无序的放电活动在高维空间中存在着有序的成分。因此本文提出利用相空间重构方法构建spike信号的高维相空间，并结合QR分解方法提取空间中的结构特征值，然后运用信息熵进一步量化其信号特征，最后实现了DBSCAN聚类方法在spike信号盲源分离中的应用，克服了K均值对类簇形状条件上的局限性。由于麻醉深度评估在医学临床中具有突出的研究意义，本文设计并开展了麻醉状态下植入式神经电信号采集的动物实验，并尝试利用特定皮层神经元的脉冲发放序列，分别从放电频率、放电间隔时间以及放电模式的复杂性等非线性角度出发，研究神经编码在麻醉深度评估中的应用。本文主要工作和研究成果如下： (1)本文提出了一种基于近似熵的动作电位特征提取方法。首先利用近似熵得到动作电位的多维非线性特征，然后利用KS检验进行特征降维，选出最具可分性的特征，并结合K均值聚类实现spike信号的分类。针对仿真和真实实验数据，两类数据的模式分类都取得了较好的结果，本文新方法对于非同源spike信号分类具有一定的优势。 (2)本文提出了一种基于相空间重构和QR分解的动作电位特征提取方法。针对动作电位发放过程表现的动态性，本文提出用相空间重构的方法表征其动态信息，然后在重构的高维相空间中利用QR分解提取出其特征值，最后结合DBSCAN聚类方法实现spike信号的无监督分类。仿真数据的分类准确率达到98%以上，并通过与传统方法PCA分类结果比较，进一步说明相空间重构结合密度聚类方法所刻画的特征能较好的区分出非同源信号间的差异。实验数据的分类结果也表明本文新方法可作为spike模式分类的依据。 (3)本文提出了一种基于复杂度和多尺度熵的脉冲序列编码方法，弥补了放电频率和放电时间间隔编码时对放电信息的大量丢失，从放电模式的非线性特征上表达了一种可行的神经编码方法。本文针对医学临床中的麻醉深度评估应用，设计并开展了对应的动物实验，采集了不同麻醉状态下的植入式神经电活动，分别从神经元放电信号的平均发放率、基于发放时间间隔的三种时间编码方式、以及Lempel-Ziv复杂度和多尺度熵等放电模式的角度，研究神经编码在麻醉深度评估应用中的可行性，结果表明，本文提出的复杂度和多尺度熵方法，在深度麻醉和浅度麻醉状态的模式识别中，具有一定的区分性，验证了它们作为一种神经编码方式的可行性。
[Abstract]:In this paper , it is necessary to detect effective action potential ( spike ) signals in neural engineering , and to classify them according to different distribution sources , which is not an efficient and feasible coding method .

Because the neuronal activity is an external reflection of ionic channels such as potassium and sodium on the cell membrane , the action potential signal generated during excitation inevitably has a certain non - linear time - varying characteristic , so the traditional template matching method or PCA and other linear feature extraction methods are not ideal in the detection of implanted neural signals .
In this paper , we put forward the application of the method of phase space reconstruction to construct the high - dimensional phase space of spike signal , and combine the QR decomposition method to extract the characteristic value of the structure in space , and then use the information entropy to further quantify its signal characteristics . Finally , the application of DBSCAN clustering method in the blind source separation of spike signal is realized .

The main work and research results are as follows :

( 1 ) A feature extraction method based on approximate entropy is presented in this paper . First , using approximate entropy to obtain multi - dimensional non - linear characteristic of action potential , and then using KS test to carry out the feature reduction , the most distinguishing feature is selected , and the classification of spike signal is realized by combining K - means clustering . For the simulation and real experimental data , the pattern classification of two types of data has got better results . The new method has some advantages for non - homologous spike signal classification .

( 2 ) A feature extraction method based on phase space reconstruction and QR decomposition is presented in this paper . The dynamic information is characterized by the method of phase space reconstruction .

( 3 ) In this paper , a kind of pulse sequence coding method based on complexity and multi - scale entropy is put forward , which makes up the great loss of discharge information when the discharge frequency and the discharge time interval are coded . The feasibility of the nerve coding in the anesthesia depth evaluation is studied .
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R614

【参考文献】