19520.基于多元統(tǒng)計分析的神經元特征提取及分類研究

1、西安建筑科技大學碩士學位論文基于多元統(tǒng)計分析的神經元特征提取及分類研究專業(yè)：應用數(shù)學碩士生：焦琳指導教師：趙彥暉摘要神經科學和腦科學迅速崛起是三十年內自然科學發(fā)展的重大事件之一，并且越來越多的事實證明，神經科學可能會引發(fā)自二十一世紀以來生命科學迅猛發(fā)展的又一高潮。本文利用多元統(tǒng)計方法，以神經元幾何形態(tài)特征數(shù)據(jù)為研究對象，對神經元分類問題進行了研究。本文數(shù)據(jù)來源為NeuroMpho.g數(shù)據(jù)庫，所用的62個神經元的原始數(shù)據(jù)均以標準的SWC文

2、件格式描述。本文首先使用LMeasure從原始數(shù)據(jù)中提取神經元的43個幾何形態(tài)特征，并從每個特征的7個指標中選取一個有研究意義指標，或者將幾個有研究意義的指標加權組合成一個指標進行分析，然后，構造離散系數(shù)篩選標準，選擇出27個幾何特征，應用因子分析對27個幾何特征進行降維，使27個幾何特征轉化為6個綜合特征因子：（1）神經元的緊密情況；（2）神經元的的大小情況；（3）神經元的分叉情況；（4）神經元的胞體的相關情況；（5）神經元分支與總支

3、間的情況；（6）神經元分叉點間的情況。針對每個神經元的上述6個綜合特征因子，應用聚類分析對神經元進行分類，經過特征選擇的聚類結果與根據(jù)神經元功能的分類結果基本一致，而未進行特征選擇的聚類結果正確率相對較低，且所得譜系圖不易區(qū)分神經元類別，分析比較可得進行特征選擇的聚類結果優(yōu)于未進行特征選擇的結果。針對每個神經元的6個綜合特征因子，本文還應用判別分析進行研究，選取70%的神經元作為訓練樣本，求得了七類神經元相應的判別函數(shù)，通過對30%測試