多电极阵列上培神经元网络的锋电位信号处理.pdf

摘 要* 神经系统多细胞电活性的检测是在网络水平上研究脑功能的先决条件 使用多电 极阵列 可以进行实时 连续 无损的细胞外信号记录 多个通道的同时记录与分类 技术的结合可用于神经元网络的功能及其动力学研究 由于微电极大小的关系 当多 电极阵列中一个微电极的检测区域内存在多个神经元时 所检测的信号可能是多个神 经元信号的整合 为了分析单个神经元的贡献 需要将单个神经元的信号与其它神经 元的信号相区别 故需进行分类 同时 多电极阵列允许对多个神经元的电活动进行 同步记录 不同通道内的神经元活动的关系则通过对各通道锋电位序列进行互相关分 析获得 为了实现上述需求 本文采用多电极阵列记录神经元的锋电位信号 在MATLAB 平台下编写了可视化软件SpikeTools 采用了阈值分类 形状分类 主成分分类等多 种分类方法以及聚类方法对原始信号中的锋电位进行了分类 并对各种分类方法的效 果进行了对比 同时 该软件实现了多种形式的锋电位序列的同步性分析 并通过类 之间 通道之间锋电位时间序列的相关性揭示了相邻神经元活动之间的联系 有助于 了解神经元网络中群体活动的相互影响 使用SpikeTools 软件分别对模拟数据以及实验数据的锋电位进行分类 对模拟数 据的分类结果表明 均有90 以上的锋电位得以正确归类 对实验数据的分类结果表 明 阈值分类方法能对电压幅值有明显区别的锋电位进行合理分类 形状分类方法能 根据锋电位的幅度与宽度来对电压幅值接近的锋电位进行分类 而主成分分类方法区 分波形的整体差异 能分离前两种方法难以区别的类 聚类方法可实现自动分类 无 需人工划分 使用SpikeTools 软件对实验数据进行相关分析 结果表明 当神经元工作时 它 们并不是孤立存在的 而是存在一定的联系 说明大量神经元的相互作用可以构成网 络的协同效应 根据相关结果得到的神经元的联系图可明显看出培养的神经元网络在 功能上的连接图 由此推测神经元之间的相互作用在网络的信息处理过程中有着相当 大的作用 关键词 多电极阵列 神经元网络 锋电位分类 主成分分析 聚类分析 相关 * 资助项目 国家自然科学基金项目 国家杰出青年科学基金项目 教育部科学技术研究 重大项目 重大 10420 I Abstract The detection of neural spike activity is a prerequisite for studying many types of brain function. The technology of multi-electrode arrays can stimulate and record many neurons ’ activities simultaneously. This technology can be used to study the function and dynamics of neural networks. A microelectrode often pick up the signals of many neurons in a local region because of the size of the microelectrode. Depending on the goals of the experiment, we wish to sort these signals by assigning particular spikes to putative neurons with some degree of reliability. The neurons’ activities between different channels can be obtained by analysis of cross-correlation of spike trains in each channel.