【正文】 .........................4 基于非線性能量算子的檢測(cè) ...........................................................................4 匹配濾波方法 ..................................................................................................5 基于概率的檢測(cè) ..............................................................................................5 基于小波變換的檢測(cè) .......................................................................................5 神經(jīng)元?jiǎng)幼麟娢坏姆诸惙椒?......................................................................................6 模板匹配 ...........................................................................................................6 基于特征分析的分類方法 ...............................................................................6 聚類方法 ..........................................................................................................7 本章小結(jié) ......................................................................................................................8第二章 材料與方法 ................................................................................................................10 模擬數(shù)據(jù)方法 ...........................................................................................................10 神經(jīng)元?jiǎng)幼麟娢恍盘?hào)多電極記錄系統(tǒng) ....................................................................11 多電極陣列 ....................................................................................................11 視網(wǎng)膜標(biāo)本 .....................................................................................................12 灌流系統(tǒng) .........................................................................................................12 刺激和記錄系統(tǒng) ............................................................................................12 基于形態(tài)學(xué)濾波器的方法 .......................................................................................13 動(dòng)作電位檢測(cè)方法 .........................................................................................14 動(dòng)作電位分類方法 .........................................................................................15 本章小結(jié) ...................................................................................................................16第三章 結(jié)果 ............................................................................................................................17 將所提出算法用于模擬數(shù)據(jù) ....................................................................................17 閾值法檢測(cè)與主成分分析 .............................................................................17 形態(tài)學(xué)濾波器的構(gòu)建與濾波 .........................................................................20 兩種方法對(duì)比結(jié)果 ....................................................................................................22 模擬基線漂移數(shù)據(jù)結(jié)果 ............................................................................................23 真實(shí)實(shí)驗(yàn)數(shù)據(jù)結(jié)果 ....................................................................................................25 本章小結(jié) ....................................................................................................................28第四章 總結(jié)與展望 ................................................................................................................30謝辭………………………………..…………………………………………………………33原文及譯文 ..............................................................................................................................34 第一章 緒論神經(jīng)系統(tǒng)主導(dǎo)著人類的感知、思維，是體內(nèi)重要的調(diào)節(jié)系統(tǒng)。但是對(duì)多電極記錄信號(hào)的處理一直是個(gè)難題。動(dòng)作電位是處于靜息電位狀態(tài)的細(xì)胞膜受到適當(dāng)刺激而產(chǎn)生的膜電位變化，是實(shí)現(xiàn)神經(jīng)傳導(dǎo)的生理基礎(chǔ)，神經(jīng)元之間往往通過一系列動(dòng)作電位信號(hào)的發(fā)放和傳遞來進(jìn)行信息的傳遞、交流和處理。圖 11A 所示為多電極陣列照片， B 為電極陣列排布圖以及平面電極表面放大圖。要力求做到既不漏掉實(shí)際動(dòng)作電位，又不將噪聲誤判為動(dòng)作電位。 窗口檢測(cè)顧名思義，窗口檢測(cè)的方法，借鑒了小波分析的思想，用一個(gè)移動(dòng)窗沿采集到的神經(jīng)元電信號(hào)移動(dòng)，給定各種判定條件，比如使用窗口內(nèi)信號(hào)的幅值比、波寬或者是波形等特征，若特征值與預(yù)先設(shè)定的標(biāo)準(zhǔn)相似，就認(rèn)為檢測(cè)到動(dòng)作電位信號(hào) [5]。 匹配濾波方法匹配濾波方法主要通過極值化信噪比來判斷動(dòng)作電位信號(hào)的存在。這種方法最大的特點(diǎn)是，省去了對(duì)待測(cè)信號(hào)中動(dòng)作電位形態(tài)等參數(shù)的估計(jì)，不需使用模板、濾波器等。如果得到噪聲和信號(hào)的先驗(yàn)信息，這種方法的效果更好。早期的分類方法簡(jiǎn)單的使用一些顯著的特征量，如幅值、波寬、發(fā)放頻率，作為分類依據(jù)。具體思路如下：（1）將每個(gè)動(dòng)作電位向量隨機(jī)劃分到 M 個(gè)類中任意一個(gè)；（2）計(jì)算 M 個(gè)類中每個(gè)類的均值；（3）計(jì)算每個(gè)動(dòng)作電位向量到每個(gè)類均值的距離；（4）將這個(gè)動(dòng)作電位向量并入最近的類中；（5）重新計(jì)算這個(gè)類的均值，作為類的中心；重復(fù)計(jì)算步驟（1）（5） ，直到各個(gè)動(dòng)作電位向量對(duì)其類中心的距離總和最小，從而確定各個(gè)類及其中心。 基于神經(jīng)網(wǎng)絡(luò)的聚類方法人工神經(jīng)網(wǎng)絡(luò)是由簡(jiǎn)單處理元構(gòu)成的規(guī)模宏大的并行分布式非線性處理器。但該方法也存在一些問題，比如對(duì)聚類中心初值敏感，只能實(shí)現(xiàn)粗略聚類、對(duì)非球形族的聚類效果不理想等。圖 21 描點(diǎn)法模擬兩個(gè)單個(gè)神經(jīng)元?jiǎng)幼麟娢徊ㄐ螆D 22 指數(shù)函數(shù)模擬 A,B 兩個(gè)獨(dú)立神經(jīng)元?jiǎng)幼麟娢徊ㄐ文M中發(fā)現(xiàn)指數(shù)函數(shù)效果明顯較好，因此本文以下模擬數(shù)據(jù)部分中，均采用指數(shù)函數(shù)模擬單個(gè)神經(jīng)元?jiǎng)幼麟娢?。整個(gè)灌流系統(tǒng)能保證灌流液平穩(wěn)地流經(jīng)視網(wǎng)膜表面，盡可能減少對(duì)細(xì)胞反應(yīng)記錄的影響，灌流區(qū)域與抽出管道容，因此，灌流區(qū)域的的溶液可以在39秒內(nèi)更換。對(duì)所有事件采用主成分分析法，得到二維散點(diǎn)圖，并對(duì)于主成分分析結(jié)果使用減法聚類（見） ，最后將聚為一類的動(dòng)作電位疊加取平均，得到每一類動(dòng)作電位的模板。交替濾波器:開閉運(yùn)算： （25 ）????OC= fnfgn??閉開運(yùn)算： （26 ） ff混和濾波器 （27 ）??????HF= /2fnfgnfgn???交替混和濾波器 （28 ）1 OCf2awMf f????對(duì)于相同寬度的結(jié)構(gòu)元素而言（即結(jié)構(gòu)元素的長(zhǎng)度為 P） ，交替濾波器與混和濾波器的計(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。主成分分析方法得到散點(diǎn)圖后，還需要一定的方法將這些點(diǎn)聚類。太小難以排除kr*kz kr噪聲的影響，太大會(huì)造成假陽性的誤判，甚至造成簇的重疊。圖 32 歸為 A 類的動(dòng)作電位 圖 33 歸為 B 類的動(dòng)作電位圖 34 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。對(duì)于每一次運(yùn)算，設(shè)模擬的真實(shí)事件的數(shù)目為 N，檢測(cè)出的事件數(shù)為 m，其中正確的檢測(cè)數(shù)目為n，則定義錯(cuò)誤率 σ: （31 ）??/mnN????????如前所述，使用閾值法時(shí)，設(shè)置的閾值不同會(huì)產(chǎn)生截然不同的結(jié)果。圖 317 新方法濾波后情況圖 318 新方法濾波后情況局部放大圖如果使用形態(tài)學(xué)濾波，可以克服基線漂移帶來的影響（如圖 31318 ） 。圖 323 被兩種方法檢測(cè)為動(dòng)作電位的信號(hào)片斷按照經(jīng)驗(yàn)判斷，這一類動(dòng)作電位是真實(shí)動(dòng)作電位。閾值取 2 倍標(biāo)準(zhǔn)差時(shí)能夠檢測(cè)出兩種動(dòng)作電位，但出現(xiàn)漏檢、誤判等情況。 Prog. Biomed., 2022, 61:9198.[13] Z. HILAL ?NANA, AND MEHMET KUNTALP. A study on fuzzy Cmeans clusteringbased systems in automatic spike detection[J]. Computers in Biology and Medicine, 2022, 37(8):11601166.[14] KO, C. W., LIN, Y. D., JAN, G. J., CHUNG, ., SUNG, S. M.. An EEG spike prescreening algorithm using RBF ANN with multichannel correlation[J]. Journal of Medical and Biological Engineering, 2022, 27(4):199205.[15] COHONEN T. The selfanizing maps[J]. Proceedings of IEEE, 1990, 78(9): 14641480.[16] 崔訖. 圖像處理與分析——數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M]. 北京:科學(xué)出版社, 2022.[17] 陳平,李慶民. 基于數(shù)學(xué)形態(tài)學(xué)的數(shù)字濾波器設(shè)計(jì)與分析[J]. 中國(guó)電機(jī)工程學(xué)報(bào) 2022, 25(11):6065.[18] MARAGOS P, SCHAFER W. Morphological filters. part1. Their settheoretic analysis and relations to linear shiftinvariant filters[J]. IEEE Trans. ASSP, 1987, 35(8):115311