多電極陣列上培養(yǎng)神經元網絡的鋒電位信號處理.pdf

1、本文采用多電極陣列記錄神經元的鋒電位信號，在MATLAB平臺下編寫了可視化軟件SpikeTools，采用了閾值分類、形狀分類、主成分分類等多種分類方法以及聚類方法對原始信號中的鋒電位進行了分類，并對各種分類方法的效果進行了對比；同時，該軟件實現(xiàn)了多種形式的鋒電位序列的同步性分析，并通過類之間、通道之間鋒電位時間序列的相關性揭示了相鄰神經元活動之間的聯(lián)系，有助于了解神經元網絡中群體活動的相互影響。使用SpikeTools軟件分別對模擬數

2、據以及實驗數據的鋒電位進行分類，對模擬數據的分類結果表明：均有90％以上的鋒電位得以正確歸類；對實驗數據的分類結果表明：閾值分類方法能對電壓幅值有明顯區(qū)別的鋒電位進行合理分類，形狀分類方法能根據鋒電位的幅度與寬度來對電壓幅值接近的鋒電位進行分類，而主成分分類方法區(qū)分波形的整體差異，能分離前兩種方法難以區(qū)別的類；聚類方法可實現(xiàn)自動分類，無需人工劃分。使用SpikeTools軟件對實驗數據進行相關分析，結果表明，當神經元工作時，它們并不是