多電極鋒電位信號(hào)分類技術(shù)

優(yōu)秀畢業(yè)論文使用的動(dòng)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(jìn)展比照，對(duì)結(jié)果優(yōu)劣進(jìn)展準(zhǔn)確評(píng)價(jià)，首先將算法用在模擬數(shù)據(jù)上。分別承受了描點(diǎn)法和指數(shù)函數(shù)兩種方法模擬單個(gè)神經(jīng)元?jiǎng)幼麟娢弧?-1描點(diǎn)法模擬兩個(gè)單個(gè)神經(jīng)元?jiǎng)幼麟娢徊ㄐ?-2A,B兩個(gè)獨(dú)立神經(jīng)元?jiǎng)幼麟娢徊ㄐ螖M單個(gè)神經(jīng)元?jiǎng)幼麟娢?。模擬時(shí)假設(shè)〔〕每個(gè)神經(jīng)元的放電頻率不變〔〕3〕不同神經(jīng)元?jiǎng)幼麟娢徊ㄐ斡忻黠@差異〔〕噪聲為白噪聲，聽(tīng)從高斯分布〔5〕神經(jīng)電信號(hào)與噪聲線性疊加。個(gè)神經(jīng)元放電的狀況。將以上兩個(gè)單個(gè)動(dòng)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(gè)，并疊加。疊加后局部動(dòng)作電位重疊，因此疊加后的動(dòng)作電位大事數(shù)目為81個(gè)。最終再添加不同信噪比的高斯白噪聲3時(shí)的模擬數(shù)據(jù)。1-3模擬數(shù)據(jù)神經(jīng)元?jiǎng)幼麟娢恍盘?hào)多電極記錄系統(tǒng)據(jù)。本文中的真實(shí)數(shù)據(jù)來(lái)自以下介紹的多電極記錄系統(tǒng)，由試驗(yàn)室學(xué)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(dǎo)線〔IT64個(gè)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(xué)形態(tài)學(xué)是建立在積分幾何和隨機(jī)集論等嚴(yán)格數(shù)學(xué)理論根底上的一門親熱聯(lián)系實(shí)際的科學(xué)[16]“探針”收集待處理信號(hào)的信息，探針在信號(hào)中不斷移動(dòng)，即可考察信號(hào)各個(gè)局部之間的相互關(guān)根本形態(tài)學(xué)變換建立在Minkowski和差運(yùn)算的根底之上,其根本運(yùn)算包括腐蝕、膨脹以及由此引出的形態(tài)開(kāi)運(yùn)算和形態(tài)閉運(yùn)算[17]。依據(jù)分析信號(hào)的不同，可以分為二值形態(tài)變換和灰值形態(tài)變換，本設(shè)計(jì)中用到的是一維離散信號(hào)的灰值形態(tài)變換。分的信號(hào)分解為具有物理意義的各個(gè)局部態(tài)特征。義明確、有用有效等優(yōu)點(diǎn)。設(shè)待處理信號(hào)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?yàn)镈[g]={0，1,2,3,…,P}P和N為整數(shù)。則腐蝕與膨脹運(yùn)算分別定義為腐蝕：畢業(yè)論文膨脹：開(kāi)運(yùn)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(yùn)算：

f g(n)=

fgsgn

〔2-3〕

fgsgn

〔2-4〕:形態(tài)開(kāi)可以平滑信號(hào)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(yīng)依據(jù)信號(hào)的特點(diǎn)選取不同的構(gòu)造元素。使用開(kāi)、閉運(yùn)算,[119,沖。3波器。交替濾波器即開(kāi)閉和閉開(kāi)濾波器。交替濾波器:開(kāi)閉運(yùn)算：OCfn=fngngn

〔2-5〕閉開(kāi)運(yùn)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(duì)于一樣寬度的構(gòu)造元素而言〔即構(gòu)造元素的長(zhǎng)度為計(jì)算速度相近，而交替混和濾波器的速度最慢，當(dāng)P值很大時(shí)，這種時(shí)間差異會(huì)更大。通常交替濾波器的輸出會(huì)向下〔或向上〕偏移，這是由于開(kāi)〔閉〕運(yùn)算的輸出信號(hào)總是位于原信號(hào)下〔上替混合濾波器。本文方法中承受級(jí)聯(lián)開(kāi)-閉(OC)、閉-開(kāi)(CO)平均組合的交替混合濾波器。形態(tài)學(xué)處理方法是基于構(gòu)造元素填充探測(cè)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(yīng)依據(jù)濾波后要保持的信號(hào)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(méi)有足夠的依據(jù)，不能在物理意義上足夠接近待檢測(cè)動(dòng)作電位。兩邊取不同的長(zhǎng)度作為濾波器，查找最正確濾波效果。動(dòng)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(jìn)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(lái)盡可能地解釋數(shù)據(jù)的方差描述來(lái)降低特征空間維數(shù)，將數(shù)據(jù)從原來(lái)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(shí)獲得原模式空間的一個(gè)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(duì)象被歸為一類。減法聚類減法聚類[11]n個(gè)點(diǎn)對(duì)應(yīng)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(rèn)為具有最高密度的點(diǎn)是第一個(gè)聚類中心，az*z*點(diǎn)的密度用D1(z*)z*點(diǎn)，重計(jì)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(yīng)中選取的比大些，避開(kāi)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(gè)聚類中心，要在D的定義是：

j+1

(z)中找到密度最大的點(diǎn)。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(diǎn)的密度小于肯定閾值，說(shuō)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(huì)造成假陽(yáng)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(cè)的錯(cuò)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(cè)與主成分分析3-43倍標(biāo)準(zhǔn)差用于本文模擬的數(shù)據(jù)中效果很差。因此，本文對(duì)于23倍標(biāo)準(zhǔn)差作為閾值的兩種狀況均進(jìn)展了運(yùn)算。并調(diào)整信噪比，在每個(gè)一樣信噪比下承受兩種方法：閾值法和本文提出的方法，進(jìn)展運(yùn)算和比較。以動(dòng)作電位峰值為中心，取前后共39個(gè)點(diǎn)作為一個(gè)動(dòng)作電位大事。將全部檢測(cè)出的動(dòng)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(dòng)作電位投射為的二維坐標(biāo)空間中的點(diǎn)，得到主成分分析散點(diǎn)圖〔圖3-。10得到的結(jié)果。3-1主成分分析散點(diǎn)圖將肯定半徑范圍內(nèi)的點(diǎn)歸為一類，認(rèn)為屬于同一神經(jīng)元發(fā)放的動(dòng)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(gè)神經(jīng)元?jiǎng)幼麟娢化B加，如圖3-4A，二是單個(gè)動(dòng)作電位波形被噪聲嚴(yán)峻干擾，如圖3-4B，三是噪聲峰值，在這個(gè)例子中沒(méi)有表達(dá)。減法聚類后，屬于A神經(jīng)元的動(dòng)作電24個(gè)，屬于B42個(gè)。畢業(yè)論文優(yōu)秀畢業(yè)論文圖3-2歸為A類的動(dòng)作電位 圖3-3歸為B類的動(dòng)作電位3-4歸為奇異點(diǎn)的動(dòng)作電位將歸為一類動(dòng)作電位波形疊加平均后，得到此類的動(dòng)作電位模板。圖3-5神經(jīng)元A的平均動(dòng)作電位模板 圖3-6指數(shù)函數(shù)模擬神經(jīng)元A動(dòng)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(dòng)作電位模板 圖3-8指數(shù)函數(shù)模擬神經(jīng)元B動(dòng)作電位可以看出信噪比取10時(shí)，經(jīng)過(guò)主成分分析法聚類取平均后的動(dòng)作電位模板與原動(dòng)作電位波形相差很小。形態(tài)學(xué)濾波器的構(gòu)建與濾波形態(tài)學(xué)濾波的兩個(gè)關(guān)鍵點(diǎn)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(dòng)作電位的形態(tài)學(xué)特征，本設(shè)計(jì)選取聚類平均得到的動(dòng)作電位模板作為形態(tài)學(xué)濾波。在寬度的選取上，將平均動(dòng)作電位的峰值固定作為構(gòu)造元素的中間點(diǎn)，對(duì)稱取平均動(dòng)作電位峰值兩邊不同長(zhǎng)度作為構(gòu)造元素，查找最正確濾波效果。3-9A動(dòng)作電位模板的最正確構(gòu)造元素對(duì)上述的模擬數(shù)據(jù)處理時(shí)，得到最正確效果如下。圖3-10顯示為待測(cè)模擬數(shù)據(jù)，圖3-11顯示形態(tài)學(xué)濾波后得到的數(shù)據(jù)。圖3-12，圖3-13分別是檢測(cè)前后的數(shù)據(jù)放大圖，可以更明顯的表達(dá)濾波的效果。畢業(yè)論文優(yōu)秀畢業(yè)論文3-10SNR=10時(shí)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(shí)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(hào)較好的狀況下閾值檢測(cè)法和方法所得出的檢測(cè)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(shí)動(dòng)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(gè)動(dòng)作電位與神經(jīng)元B60個(gè)動(dòng)作電位發(fā)生了重疊。對(duì)于每一次運(yùn)算，設(shè)模擬的真實(shí)大事的數(shù)目為N，檢測(cè)出的大事數(shù)為m，其中正確的檢測(cè)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(dá)閾值法的效果，承受了兩倍信號(hào)標(biāo)準(zhǔn)差〔SD〕和三倍信號(hào)標(biāo)準(zhǔn)差兩種閾值。4N=8167個(gè)，14n=8016σ=8.64%。使用閾值法與形態(tài)學(xué)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?qǐng)D3-14中，σ代表錯(cuò)誤率，從圖中可以看出，當(dāng)信噪比>2時(shí)，閾值法與形態(tài)學(xué)濾波器<=2閾值檢測(cè)就很難得到抱負(fù)的結(jié)果，的方法也難以改進(jìn)正確率。時(shí)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(hào)3-16模擬基線漂移信號(hào)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(duì)于受漂移影響大的動(dòng)作電位無(wú)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(shè)使用形態(tài)學(xué)濾波，可以抑制基線漂移帶來(lái)的影響〔如圖3-1、3-1。用閾值法檢測(cè)，檢出78個(gè)動(dòng)作電位，漏檢3個(gè)，錯(cuò)誤率為3.7%。用本文方法，形態(tài)學(xué)8011.23%。真實(shí)試驗(yàn)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(hào)3-20200Hz高頻濾波后信號(hào)此時(shí)的困難是，算法速度較慢，而使用的真實(shí)數(shù)據(jù)采樣率較高〔40000H，難以對(duì)足驗(yàn)室現(xiàn)有設(shè)備MEA直接找到形態(tài)學(xué)濾波器。畢業(yè)論文

PlexonInc.Texas,US對(duì)大量數(shù)據(jù)進(jìn)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(tuán)點(diǎn)簇代表了軟件計(jì)算的大事分類。其中黃色點(diǎn)三團(tuán)點(diǎn)簇的平均動(dòng)作電位模板顯示在界面的左邊從黃色點(diǎn)簇的波形可以看出它明顯是噪聲大事。單純用閾值檢測(cè)法檢測(cè)到動(dòng)作電位333-2242個(gè)。畢業(yè)論文優(yōu)秀畢業(yè)論文3-22本文方法形態(tài)學(xué)濾波后的信號(hào)測(cè)得到的動(dòng)作電位進(jìn)展比照。可以覺(jué)察，兩種方法都檢測(cè)為動(dòng)作電位的信號(hào)片斷居多，圖3-23為一例。3-23被兩種方法檢測(cè)為動(dòng)作電位的信號(hào)片斷依據(jù)閱歷推斷，這一類動(dòng)作電位是真實(shí)動(dòng)作電位。同時(shí)，很多波形片段僅被兩種方法中的一種判為動(dòng)作電位，如圖3-24和圖3