多通道峰电位的检测与分类方法
Multi-channel spike detection and classification algorithm
研究神经元的动作电位（峰电位）发放是研究神经系统信息处理机制的关键，单个神经元的动作发放特点一直备受生理学家的关注。使用峰电位的检测与分类算法，可以将记录到的峰电位按照神经元归类。由于在同一小范围脑区内的神经元发放的峰电位常常含有相似的形态，如果它们离电极尖端的距离也相同，用单通道峰电位的检测与分类算法，就很难将其区分。幸好，使用多电极阵列采集多通道上的峰电信号，配合多通道峰电位的检测与分类算法，可以有效的解决上述问题。本文设计了一种基于多通道之间信息融合的峰电位检测与分类方法，首先检测各通道上的峰电位，然后采用一定的方式将各通道内的信息融合，最后采用基于小波变换、核主成分分析(Kernel Principal Components Analysis, KPCA)的特征提取算法和改进的层次聚类算法实现峰电位分类。实验结果表明，此方法可以有效提高单次实验的峰电位检出率和分类正确率。
Spike sorting is a basic task of the research of signal transduction in neuron. We introduce a new unsupervised method for detecting and sorting spikes from extracellular recordings. At first, multiple mathematical morphology operation is used in signal de-noising before spikes detection with a fixed threshold. Then, wavelet transform and KPCA are performed to the detected spike waveforms to extract discriminative features. Finally, the min-distance clustering proceeds to sort spikes. The results show that the method performs quite well even in the heavy noisy simulated spike data.
周逸峰、梁振、王冬雪
生物科学现状、生物科学发展生物科学研究方法、生物科学研究技术生理学
生物医学工程峰电位检测峰电位分类多通道核主成分分析层次聚类
Biomedical Engineeringspike detectionspike classificationmulti-channelKPCAHierarchical Clustering
周逸峰,梁振,王冬雪.多通道峰电位的检测与分类方法[EB/OL].(2011-06-01)[2025-04-28].http://www.paper.edu.cn/releasepaper/content/201106-31.点此复制
评论