植入式神經(jīng)電信號檢測及其在麻醉深度評估中的應(yīng)用.pdf

1、基于多電極陣列的植入式神經(jīng)電信號采集手段,提供給研究者一種在神經(jīng)元層次上觀察信息流產(chǎn)生、突觸傳遞以及編碼的途徑,在神經(jīng)工程的研究中扮演了越來越重要的角色。但其在具體應(yīng)用中,仍存在若干個急需解決的問題,例如多電極陣列各通道采集到的信號一般并非是單個神經(jīng)元的電活動,而是采集系統(tǒng)所引入的噪聲、神經(jīng)系統(tǒng)的背景噪聲,以及電極附近多個神經(jīng)元電活動的時空疊加。因此首先需要從含噪的植入式神經(jīng)電信號中,檢測出有效的動作電位(spike)信號,并按發(fā)放源的

2、不同對其進行模式分類,這是探索神經(jīng)編碼機制的基礎(chǔ)和前提。又例如,當檢測獲得特定皮層神經(jīng)元的脈沖發(fā)放序列后,用脈沖發(fā)放率這類粗略的傳統(tǒng)特征來表達它與外界激勵模式之間的關(guān)聯(lián)性,可能并非是一種高效可行的編碼方式。因此本文針對植入式神經(jīng)電信號的檢測方法展開研究,并以麻醉深度評估為具體應(yīng)用,來探索神經(jīng)電信號的編碼技術(shù)。
　　由于神經(jīng)元電活動是細胞膜上鉀鈉等離子通道開合的外在反映,其興奮時所產(chǎn)生的動作電位信號不可避免具有一定的非線性時變特征,

3、因此傳統(tǒng)的模板匹配法或者PCA等線性特征提取方法,在植入式神經(jīng)電信號的檢測中性能并不理想。本文利用近似熵在描述非線性信號復(fù)雜度的有效性,提出了基于近似熵的spike信號特征提取方法,并結(jié)合K均值聚類方法完成對信號的模式分類;同時考慮到神經(jīng)系統(tǒng)作為一類非線性動力系統(tǒng),其看似無序的放電活動在高維空間中存在著有序的成分。因此本文提出利用相空間重構(gòu)方法構(gòu)建spike信號的高維相空間,并結(jié)合QR分解方法提取空間中的結(jié)構(gòu)特征值,然后運用信息熵進一步

4、量化其信號特征,最后實現(xiàn)了DBSCAN聚類方法在spike信號盲源分離中的應(yīng)用,克服了K均值對類簇形狀條件上的局限性。由于麻醉深度評估在醫(yī)學臨床中具有突出的研究意義,本文設(shè)計并開展了麻醉狀態(tài)下植入式神經(jīng)電信號采集的動物實驗,并嘗試利用特定皮層神經(jīng)元的脈沖發(fā)放序列,分別從放電頻率、放電間隔時間以及放電模式的復(fù)雜性等非線性角度出發(fā),研究神經(jīng)編碼在麻醉深度評估中的應(yīng)用。
　　本文主要工作和研究成果如下:
　　(1)本文提出了一種基

5、于近似熵的動作電位特征提取方法。首先利用近似熵得到動作電位的多維非線性特征,然后利用KS檢驗進行特征降維,選出最具可分性的特征,并結(jié)合K均值聚類實現(xiàn)spike信號的分類。針對仿真和真實實驗數(shù)據(jù),兩類數(shù)據(jù)的模式分類都取得了較好的結(jié)果,本文新方法對于非同源spike信號分類具有一定的優(yōu)勢。
　　(2)本文提出了一種基于相空間重構(gòu)和QR分解的動作電位特征提取方法。針對動作電位發(fā)放過程表現(xiàn)的動態(tài)性,本文提出用相空間重構(gòu)的方法表征其動態(tài)信息

6、,然后在重構(gòu)的高維相空間中利用QR分解提取出其特征值,最后結(jié)合DBSCAN聚類方法實現(xiàn)spike信號的無監(jiān)督分類。仿真數(shù)據(jù)的分類準確率達到98％以上,并通過與傳統(tǒng)方法PCA分類結(jié)果比較,進一步說明相空間重構(gòu)結(jié)合密度聚類方法所刻畫的特征能較好的區(qū)分出非同源信號間的差異。實驗數(shù)據(jù)的分類結(jié)果也表明本文新方法可作為spike模式分類的依據(jù)。
　　(3)本文提出了一種基于復(fù)雜度和多尺度熵的脈沖序列編碼方法,彌補了放電頻率和放電時間間隔編碼時

7、對放電信息的大量丟失,從放電模式的非線性特征上表達了一種可行的神經(jīng)編碼方法。本文針對醫(yī)學臨床中的麻醉深度評估應(yīng)用,設(shè)計并開展了對應(yīng)的動物實驗,采集了不同麻醉狀態(tài)下的植入式神經(jīng)電活動,分別從神經(jīng)元放電信號的平均發(fā)放率、基于發(fā)放時間間隔的三種時間編碼方式、以及Lempel-Ziv復(fù)雜度和多尺度熵等放電模式的角度,研究神經(jīng)編碼在麻醉深度評估應(yīng)用中的可行性,結(jié)果表明,本文提出的復(fù)雜度和多尺度熵方法,在深度麻醉和淺度麻醉狀態(tài)的模式識別中,具有一定