开题报告-胡凯

1.1  研究的背景和发展方向

　   神经元网络活动的基本表现形式为锋电位(动作电位,spike) 。无论是单个神经元还是多个神经元组成的网络,发放的信号都是由若干个锋电位脉冲构成,它们是携带信息的载体。所以,获取锋电位是神经元放电研究的基础。但是,不同实验环境下信号背景的噪声各异:对于细胞内记录的单个神经元电活动,锋电位的检测较简单;而细胞外记录的神经元网络的电活动,信号复杂 ,检测较困难。我们现提出一种峰值检测算法 ,它“跟踪”锋电位,效果优于阈值检测,但是运算缓慢,相邻窗口重复检测。在此基础上我们作了部分改进,不仅解决了重复检测问题,而且显著提高了信号处理速度。

1.2  研究目的和意义

脑神经网络信号是一种生物信号，它是大脑神经元成熟形成网络后，经过刺激产生动作电位形成的电脉冲。多电极阵列（Multi-Electrode Arrays 简称MEA。我们的芯片有个电极）离体活的脑神经细胞培养是目前研究认知科学的先进方法之一。它可长时间记录脑神经网络在不同发育时期发放的动作电位脉冲信号，供研究者观察、处理、分析、研究，以获得感兴趣的信息，以便得出大脑中信息传递的方式和神经网络的结构形式等的科学结论。由于记录时间长，信息量大，数据量多，迫切需要找到一种好的正交变换和分类方法，有利于动作电位脉冲信号的特征提取及分类。

从电极上获取的脑神经网络信号混入了一定的噪声，要从噪声中提取动作电位脉冲信号，就要根据动作电位脉冲的形状的幅度用一种较好的方法将动作电位脉冲较简单地从噪声中提取出来，但不能破坏它的形状，否则对后面的特征和分类不利。由于动作电位脉冲有一定的形状、宽度和幅度，可以用改进窗口法提取Spike脉冲。

用VC++6.0 加入Matlab 库函数，在VC++6.0的平台上进行编程，对从电极上获得的脑神经网络信号用改进的窗口法提取出Spike脉冲。

要求掌握用改进窗口法提取Spike脉冲的理论和算法的知识；

要求熟练掌握VC++的编程；

要求能在VC++的平台上使用Matlab编程。

　  实验方法

离体培养胎鼠海马神经元,用多电极阵列(multi- electrode arrays ,MEA) [4 ,5 ]系统以50kHz 采样并记录原始数据,其原理是:植于MEA 芯片底部的微电极(直径30μm ,中心距200μm) 记录神经元网络电活动得到原始信号,经放大滤波器MEA1060 (增益、带宽可调) 调制后,由模数转换卡MC-Card 数字化(采样率:50kHz) ,最后在软件平台MC-Rack 和Matlab 上观察、处理信号。

3. 1 　阈值检测算法

     算法描述:

                     (1)

      threshold = - bσ               (2)

for (i = 1 ;i < = N ;i + + )

      { 　　if 　　Xi ≤threshold

　　　　检测到锋电位　　　　}

      Xi :第i 个数据点, { Xi } :数据矩阵, N :总数据量,

      threshold :阈值, b = 3～5.

优点:实现简单; 　　缺点:不适用于背景比较复杂的信号。例如,图2. a 是一段培养25d 单通道原始数据,当信号被某种干扰叠加而“漂移”(B、C 两处锋电位) 时,阈值检测难以正确提取锋电位。若阈值设置较大( - 3σ) ,将把“漂移”到阈值以下的噪声判断成信号(图2. b) ;若设置较小( - 4σ) ,将漏掉部分信号(图2. c) 。其实,在- 3σ～ - 4σ之间不可能找到合适的阈值。因为图2. a 中噪声负峰(A) 较部分信号负峰(B 和C)“低”,若要检测到信号,无论怎样选取阈值都会混入噪声,阈值检测失效。

 3. 2 　峰值检测算法

    峰值检测算法见图1。

                               图1 　峰值检测算法示意图

图2 　峰值检测和阈值检测结果比较

    算法描述:

                                            (1)

    threshold = K±σ                                             （3)

由{ Xi} 构造(N/M) ×M　矩阵:{ Xij}

for (i = 1 ;i < = N/M;i + + )

{ 　　　　difference i = max { Xij} - min{ Xij}               （4）

                           1 ≤j ≤M     1 ≤j ≤M

　　if 　differencej ≥threshold

　　检测到锋电位　　　　}

     Xij :第i 行j 列个数据点, { Xij} : N/ M (窗个数)行M 列数据矩阵, K:参考值, M :滑动窗宽(窗内数据点数) , N :同2. 1。

    其关键是一个固定宽度窗口沿数据滑动,计算当前窗内峰-峰值[peak-to-peak ,式(4) 中以difference表示,下同] 。

    优点:它针对有限宽窗内数据正峰值和负峰值之差,隐含了数据变化急剧程度(两个因素:波形斜率和幅值大小) ,因此,能更准确地检测锋电位。例如,同样是图2. a 的原始信号,基于峰-峰值运算的峰值检测算法消除了“漂移”的影响,得到了正确的检测结果(图2. d) 。

3.3改进峰值检测算法

     峰值检测算法的缺点是: (1) 设定阈值时计算静息期原始数据的均值和标准偏差(standard deviation :记为σ) ,数据量大,影响运行速度; (2) 设定滑动窗口宽2. 5ms ,因此它的分辨率只有2. 5ms。这用于检测鸡胚脊髓神经元发放锋电位足够有效,但用于研究海马神经元网络,其发放锋电位的频率高于前者,若仍然选择2. 5ms 为窗口,则不能保证“每个窗内至多只有一个锋电位”。并且当“窗口分界线落在锋电位上”时,会出现“重复检测”(见图3 ,当1 个锋电位处在两窗口分界线时,得到两个最小值点: A 和B 。若求得两窗内峰-峰值都大于或等于阈值,则检测到2 个锋电位。) ,这样在统计相邻锋电位的时间间隔（inter - spike - interval , ISI) 时,和ISI 为0～1ms 的情况难以区分。

                                              Fig 3 　Window boundary errors

为解决第1 个问题,改进后的算法不计算原始数据的σ,而是计算原始数据的峰-峰值的σ,以此作为设定阈值的依据。一般情况下,以50kHz 采样,窗宽1ms ,那么50 个原始数据点只对应1 个峰-峰值,峰-峰值与原始数据相比数据量减小49 个。这样做不仅效果同原算法一样好,而且节省了运算时间。

算法描述如下:

     由构造{ Xi} 构造( N/ M) ×M 　矩阵:{ Xij}

for ( i = 1 ; i < = N/M;i + +)

              { 　　difference i = max{Xij}     — min{Xij}       }

                      1 ≤j ≤M        1 ≤j ≤M

               σ′=               (5)

               threshold = bσ′

for ( i = 1 ; i < = N/M; i + +)

              {  　　if 　　{difference i} ≥threshold

                    检测到锋电位　　　　}

               排除窗口分界导致重复检测的锋电位

               其中　M、N 同2. 2 ,b = 3～5

      对于第2 个问题, 以一段培养22d 单通道长200ms 原始数据(图4a) ,取20ms (出现两次锋电位1和2) 放大(图4b) 。信号处理的目的是正确检测这两次锋电位。首先选取窗口宽度,锋电位典型持续时间为1～2ms[6 ] ,同时,一个锋电位下降沿CB 与上升沿BD(图3) 之和为0. 6 ±0. 1ms ( P < 0. 05 , t 检验) 。据此,以1ms 窗宽(每个窗口最多只能包含1个锋电位) 将20ms 数据均分成20 段,计算各窗内峰-峰值(20 个值,以“·”示于图4c) ,而图4c 中第10 、11 、12 、13 点均被视为锋电位。解决办法是,记录相邻两窗内最小值出现时刻(图3 示和) 求差值Δt ,若Δt < 0. 6ms (Δt 的上限值取约0. 6ms) ,即说明2 个锋电位实际是1 个,并保留B 点为锋电位记录点。这样,正确定位出锋电位1 和2 (图4d) 。很明显,当窗口分界线落在CB 或BD 段时,重复检测就可能出现, 不超过

                               图4 　改进峰值检测算法原理示意

（1）  撰写开题报告、外文文献翻；

  （2）  提交开题报告、外文文献翻译、完成开题答辩；

  （3）  用VC++6.0制作界面，装入Matlab6.5的库函数。进行正变换编程，进行压缩；

  （4）  中期检查；

  （5）  进行逆变换编程。画出各种压缩比后的原函数的近似波形图；课题验收；

  （6）  提交论文初稿；

  （7）  修改论文并定稿；

  （8）  答辩资格审查；

  （9）  毕业答辩。

[1]  刘海龙.现代信号处理技术及生物医学应用.武汉：华中科技大学出版社 2004年3月.

[2]  刘海龙.MEA信号锋电位的小波变换分类.计算机与数字工程 2006年 第4期.

[3]  刘海龙.MEA信号锋电位的主成分分类.生物医学工程研究 2005年 第3期.

[4]  郑君里 应起珩 杨为理.信号与系统（第二版）.北京：高等教育出版社 2007年.

[5]  Liu  Hailong .Tang Jiling “Shape identification of electrocardiographic ST segment based on radial basis function neural network” Frontiers of Biology in ChinaV0lume 2 .Number 3.July 2007.

[6]  刘海龙.生物医学信号处理.北京：化学工业出版社 2006年4月.

[7]  Wikipedia The Free Encyclopedia qingwen Press 2007年.

组长签字：

年   月   日

负责人签字：

年   月   日

系主任签字：

（系 公 章）

年    月    日