（生物医学工程专业论文）视网膜神经元活动多电极记录信号的处理.pdf

上海交通大学博士学位论文 首先，根据新生小鸡视网膜神经节细胞发放的动作电位的特性，研究 并探讨了神经元动作电位信号的检测和分离方法，并提出了稳健的神经元 动作电位自动解混分离新算法。测试结果表明新方法具有更高的分离准确 率。由于无需对背景噪声做先验假设，此新方法在实际运用中对背景噪声 是稳健的。 然后，本文对神经元放电活动时间序列进行了非线性分析。通过使用 非线性预测方法结合替代数据，研究发现视网膜神经节细胞的自发放电活 动过程具有非线性可预测性。这提示动作电位的自发放电过程是一个混沌 过程。而通过分析视网膜神经节细胞在自发放电期间和对比度适应完成后 的不同时间模式，发现在对持续的刺激的响应发生适应后动作电位的发放 开始变得更为规则，这提示外部信息可能通过动作电位序列的某些时间结 构进行编码。 最后，本文探讨了信息理论方法应用于多序列分析，研究了一种新的 基于信息差异度量的多维数据处理方法，并运用这种新方法来分析神经元 群体放电活动的空时模式。测试结果表明这种方法运用是高效、准确的。 关键词：视网膜；多电极记录；动作电位检测；动作电位分类；非线性预 测；替代数据；复杂度；信息差异度量 第1 i 页 a b s t r a c t s i g n a lp r o c e s s i n gf o r m u l t i e l e c t r o d e r e c o r d i n g sf r o mr e t i n a lg a n g l i o nc e l l s a b s t r a c t t h ef i r s ts t a g eo fv i s u a li n f o r m a t i o np r o c e s s i n go c c u r si nt h er e t i n a v i s u a l s t i m u l ie x c i t et h ep h o t o r e c e p t o r s ，w h i c hc o n v e r tt h ev i s u a ls t i m u l ii n t oe l e c t r i c a l s i g n a l s t h e s es i g n a l sa r et h e np r o p a g a t e dt h r o u 曲t h e a x o n st ot h eo u t p u t n e u r o n s t h eg a n g l i o nc e l l sa n da r er e l a y e dt ot h eb r a i ni nt h ef o r mo ft h ea c t i o n p o t e n t i a l s ap r i m a r yg o a l o fr e t i n a lr e s e a r c hi st od e t e r m i n eh o wv i s u a l i n f o r m a t i o ni se n c o d e da n dt r a n s m i t t e di nt h er e t i n a lc i r c u i t r y t h i si sn o to n l yt o u n d e r s t a n dt h eb i o l o g ys y s t e m ，b u ta l s ot op r o v i d et h eb i o l o g yb a s e sf o rt h e d e v e l o p m e n ta n da p p l i c a t i o no ft h ea r t i f i c i a lv i s i o n i no r d e r t ou n d e r s t a n dt h e i n f o r m a t i o n p r o c e s s i n g i n r e t i n a l g a n g l i o nc e l l s ，t h er e c e n t l yd e v e l o p e d m u l t i e l e c t r o d ea r r a y sh a v eb e e ne m p l o y e d h o w e v e r , t h i st e c h n i q u ec h a l l e n g e s t h eb i o l o g ys i g n a lp r o c e s s i n g o n et h eo n eh a n d ，t h es i g n a l t o 。n o i s er a t i oo f m u l t i u n i te x t r a c e l l u l a rr e c o r d i n g si sl o w , a n dt h ep r o p e r t i e s bo ff r e q u e n c y s p e c t r u mb e t w e e nt h es i g n a la n dt h en o i s ea r es i m i l a r a tt h es a m et i m e ，t h e m u l t i - u n i te x t r a c e l l u l a rr e c o r d i n g sc o n t a i no v e r l a p p e ds p i k e sp r o d u c e db ya n u m b e ro fn e u r o n sa d ja c e n tt ot h ee l e c t r o d ea n ds p i k e sf r o m o n en e u r o nm a yb e 第1 i l 页 上海交通大学博士学位论文 r e c o r d e db ys e v e r a le l e c t r o d e s o nt h eo t h e rh a n d ，i tb e c o m e sc l e a rt h a tm o r e o f t e nt h a nn o t ，n e u r a li n f o r m a t i o ni s p r o c e s s e db a s e do nc o o p e r a t i o na n d i n t e g r a t i o n o fr e l e v a n tn e u r o n p o p u l a t i o n s h o w e v e r ，t h e a b i l i t y o f u n d e r s t a n d i n gr e l e v a n tc o d i n g f u n c t i o ni s s i g n i f i c a n t l yh a m p e r e db e c a u s e c u r r e n tm e t h o d sf a l ls h o r to ft h er e q u i r e m e n t sf o rr e l e v a n tm u l t i - d i m e n s i o n a l d a t aa n a l y s i s t h ei n n o v a t i o n si nt h ep a p e ra sf o l l o w s ： f i r s t l y , t h em e t h o d sf o rs p i k ed e t e c t i o na n ds p i k es o r t i n gw e r ed i s c u s s e d a n dr e s e a r c h e db a s e do nt h es p i k ec h a r a c t e r so ff r e s h l yh a t c h e dc h i c k e n s g a n g l i o nc e l l s ar o b u s tm e t h o d f o rs p i k es o r t i n gw i t ha u t o m a t i co v e r l a p d e c o m p o s i t i o nw a sp r o p o s e d t h eh i g h e r e f f e c t i v e n e s so ft h em e t h o di s v a l i d a t e db ys y n t h e t i cd a t aa n dt h en e wm e t h o di sr o b u s tt ob a c k g r o u n dn o i s ei n r e a la p p l i c a t i o nf o rn oa s s u m p t i o n sa b o u tn o i s ep r o p e r t i e sa r er e q u e s t e d s e c o n d l y , n o n l i n e a rm e t h o d sw e r eu s e dt oa n a l y z et h es p i k et r a i n s i nt h e r e s e a r c h ，n o n l i n e a rp r e d i c t a b i l i t yw a se x p e c t e di nt h ep r o c e s so fs p o n t a n e o u s f i r i n go fg a n g l i o n c e l l sb ye m p l o y i n gt h en o n l i n e a rf o r e c a s t i n gm e t h o dw i t h s u r r o g a t ed a t aa n a l y s i s ，w h i c hi m p l i e dt h a tt h ep r o c e s sw a sc h a o so n e f u r t h e r , t h ed i f f e r e n c ei nt e m p o r a ls t r u c t u r e so fr e t i n a lg a n g l i o nc e l ls p i k et r a i n sb e t w e e n s p o n t a n e o u sa c t i v i t y a n d f i r i n ga c t i v i t y a f t e rc o n t r a s t a d a p t a t i o n w a s i n v e s t i g a t e d t h er e s u l ti m p l i e dt h a tt h eb e h a v i o ro f t h en e u r o nb e c a m eo r d e r e d , 第1 v 页 w h i c hm i g h tc r r r yr e l e v a n ti n f o r m a t i o na b o u tt h ee x t e r n a ls t i m u l u sa n de x t e r n a l i n f o r m a t i o nc o u l db ee n c o d e di nf o r m so fs o m ec e r t a i np a t t e r n si nt h et e m p o r a l s t r u c t u r eo f s p i k et r a i n f i n a l l y ，t h ea p p l i c a t i o no fi n f o r m a t i o nt h e o r y i n m u l t i s e q u e n c ew a s d i s c u s s e da n dan e wm e t h o do fm u l t i p l ed i m e n s i o nd a t ap r o c e s s i n gb a s e do na m e a s u r e m e n to fi n f o r m a t i o nd i s c r e p a n c yw a sr e s e a r c h e d m o r e o v e r ，t h en e w m e t h o dw a se m p l o y e dt od e a lw i t ht h em u l t i p l es p i k et r a i n ss i m u l t a n e o u s l y r e c o r d e df r o mag r o u po fn e u r o n sa n da n a l y z et h es p a c e t i m ep a a e ma m o n g t h e s en e u r o n s ，a n dt h ee f f i c i e n c ya n dv e r a c i t yo ft h em e t h o dw e r ev a l i d a t e di n r e a la p p l i c a t i o n k e y w o r d s ：r e t i n a ；m u l t i - e l e c t r o d er e c o r d i n g ；s p i k ed e t e c t i o n ；s p i k es o r t i n g ； n o n l i n e a rf o r e c a s t i n g ；s u r r o g a t ed a t a ；c o m p l e x i t y ；m e a s u r e m e n to fi n f o r m a t i o n d i s c r e p a n c y 第v 页 上海交通大学博士学位论文 缩写及符号 本论文中所使用到的缩写以及符号说明如下： 缩写全称 c i s f d o d g c i c a i s i m e a m l n m l m m m o i d m s n p e p c a s n r 心 c o m p l e t ei n f o r m a t i o ns e t f u n c t i o no fd e g r e eo fd i s a g r e e m e n t g a n g l i o nc e l l i n d e p e n d e n tc o m p o n e n ta n a l y s i s i n t e r s p i k ei n t e r v a l s m u l t ie l e c t r o d ea r r a y m i n u t e m i l l i l i t e m m o l l m e a s u r e m e n to fi n f o r m a t i o nd i s c r e p a n c y m i l l i s e c o n d n o r m a l i z e dp r e d i c t i o ne r r o r p r i n c i p l ec o m p o n e n ta n a l y s i s s i g i l a l t o n o i s er a t i o p v o l t 第v i i i 页 中文名 完全信息集 信息差异度量函数 神经节细胞 独立成分分析方法 动作电位间隔 多电极阵列 分钟 毫升 毫摩尔升 信息差异度量 毫秒 归一化预测误差为 主成分分析 信噪比 微伏 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或 撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期：7 司年f 月，。日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交 通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在一年解密后适用本授权书。 本学位论文属于 不保密曰。 ( 请在以上方框内打“ ) 学位论文作者签名： 日期叼年月。日 指导教师签名： 屠以名 日期：习年f 月旧 第一章概述 1 1 引言 第一章概述 如何将神经元活动与行为相关的信息对应起来是神经科学研究的一个基本问题 ( w a r l a n d ，1 9 9 7 ) 。当神经元把外界刺激转换成神经动作电位时，不仅仅是发生了能量 形式的转换：更重要的是把刺激所包含的外界环境变化的信息，也转移到了新的电信号 系统即动作电位的序列之中，即产生编码( e n c o d i n g ) ( r i e k e ，1 9 9 7 ) ，这些编码后的动 作电位序列对神经系统认知外部世界有很重要的作用。视觉是人类和高等动物赖以认识 外部世界的主要感觉，在输入人脑的全部感觉信息中很大一部分与视觉有关。视觉科学 的发展与现代技术的进步密切相关：一方面，电子学和计算机技术的应用极大地促进了 视觉研究的深入；另一方面，电视、远距离通信、图像识别、人工智能和人工视觉等高 技术领域又不断对视觉基础研究提出新的要求。视觉系统，尤其是视网膜，一方面因其 解剖结构和功能特性研究得比较透彻，另一方面由于刺激输入相对容易定义而相应的神 经元反应比较容易记录，从而备受研究神经编码的科学家的青睐( 寿天德，1 9 9 7 ；杨雄 里，19 9 6 ；a l b r i g h te ta 1 ，2 0 0 0 ；b e a re ta 1 ，19 9 6 ；k a n d e le ta 1 ，2 0 0 0 ；n i c h o l l s ，19 9 2 ) 。本文研 究以视网膜为标本，从信号处理的角度对视网膜神经节细胞的动作电位检测和分离、神 经元放电活动序列的特性以及多个神经元活动序列分析等问题作一些探讨。 1 2 研究工作的目的和意义 在脊椎动物视觉系统中，光感受器将光刺激所携带的视觉信息转变成神经电信号， 并通过视网膜神经元网络进行初步处理，在神经节细胞上形成动作电位。这些动作电位 串通过视神经纤维形成的视神经和视束，将信息送至丘脑的外膝体，继而通过视放射传 递至位于大脑枕叶的初级视皮层( v 1 区) ( 如图1 1 所示) 。这一区域进而与次级( v 2 区) 和高级视中枢( v 4 区) 以及位于枕叶或顶叶皮层的更高的联合区域相联系，完成 视觉信息的传递和处理( 寿天德，1 9 9 7 ；n i c h o l l se ta 1 ，1 9 9 2 ) 。 第1 页 l 。海变通人学博i 学位论文 e y e i s t r i a f e c o r t e x 0 1 p o l y a k , 1 9 5 7 图1 1 视觉通路简圈。视觉神经信息的处理由视网膜开始，经由外膝体处理输送到初级视皮层( 或 叫做v l 区) ( p 0 1 y a 】( 1 9 5 7 ) 。 f i g1 1s k e t c ho f v i s u a lp a t h w a y t h ev i s u a li n f o r m a t i o ni sf i r s t l yp r o c e s s e db yt h er e t i n a t h e nb yt h e l a t e r a lg e n i c a l a t en u c l e i ( l g n ) ，a n d t r a n s m i t t e d t o t h ep r i m a r y v i s u a lc o r t e x ( v 1 ) ( p o l y a k ，1 9 5 7 ) 视网膜是位于眼球后部的一个薄层结构，从解剖上可以明显看见其分层结构( 如图 12 ) ：三个细胞层一外核层、内核层和神经节细胞层之间插入两个突触联系层一外网状 层和内网状层。外核层主要是视杆、视锥光感受器的胞体所在；内核层主要是双极细胞、 水平细胞、无长突细胞和网间细胞的胞体所在；神经节细胞层是神经节细胞的胞体所在。 内、外核层之问的突触联系构成外网状层内核层与神经节细胞层之间的联系构成内网 状层。在信息流的径向通路中，光感受器通过中间神经元双极细胞将光刺激信息传 给输出神经元神经节细胞，并由其进一步向中枢传递。外网状层水平细胞和内网状 层无长突细胞的侧向输入对该径向通路起着调节作用( d o w l i n g & b o y c o t t ，1 9 6 6 ； d o w l i n g ，1 9 8 7 ) 。视网膜信息处理研究的目的之一在于了解视觉信息是如何在视网膜中 进行加工传递的，相关研究的意义不仅在于对生物系统的了解，同时也为人工视觉的开 发和利用提供生物学依据。 第2 负 蒸蒸 r k 、 吖茸hj矗。心一暌 凡露参 第一章概进 p h o t o r e c e p t o r l e y e rb i p o l a r c e i l l a y e rg a n g l i o n c e l ll a y e r r 一一r 一赢嘉- _ _ 、 i 一 巨露霸龋 。b ，a 目c 。目l i g h t “! i1 2 0 n t a ia m 、。a 。c n n ： 图1 2 视网膜神经元结构简图。在视州膜径向通路上视杆、视锥光感受器接受光刺激通过中间 神经元取极细胞将光刺激信息传给输出神经元一神经节细胞。这条通路在水平方向上受剐水平 细胞和无长突细胞的调i ，作川( d o w l i n g 1 9 6 6 ) 。 f i g 1 , 2r e t i n a lc i r c u i t st h er e t i n a lp h o l o m o ba r cs t i m u l a t e d b yl i g h t a n dt r a n s m i tt h ev i s u a l i n f o r m a t i o n t o t h er e t i n a lg a n g l i o nc e l l s t h eo u t p u tn e r r o n so fr e t i n a , v i a t h e i n t e m e u r o n s t h er e t i n a l b i p o l a rc e l l st h i sp a t h w a y i sr e g u l a t e db y l a t e r a l i n p u t f r o mr e t i n a lh o r i z o n t a lc e l l sa n da r n a c r i n ec e l l s ( d o w l i n g ，1 9 6 6 ) 视网膜信息处理的生物学研究在很大程度上依赖于利用微电极记录技术在单个神 经元上所测得的电学反应但是神经元作为独立的活动单元所提供的信息是非常有限 的。尤其是平均放电频率往往是对一段时问的神经几动作电位频率的均值进行考虑，这 种统计方法已经越来越受到挑战。一方面它不能解释视觉系统的快速反应能力：例如， 灵长类动物的皮层神经元能够对一些复杂刺激比如脸、食物和某些二维图象作出快速反 应( 从刺激给出到神经元发生反应的时间只有1 0 0m s 左右) 。但是，视觉信息从光感受 器传递到这些神经元必须经过至少1 0 层的突触传递，这就意味着每个阶段的处理时间 都不应超过1 0m s 。而皮层神经元的放电频率很少超过1 0 0h z ，也就是说单个皮层神经 元在这一反应过程中只能发放0 或1 个动作电位，这就排除了神经元利用两个动作电位 之间的时间间隔来估计即时放电频率( t h o r p e ，2 0 0 1 ) ：另一方面单个神经元的平均放电 频率编码没有最大程度地反映神经元放电序列所包含的信息。为此有人提出可能存在相 关神经元所产生的动作电位序列的组合，形成了不同的放电模式，则由这些群体放电模 式所编码的视觉信息量将大大增加( s c h n i 住e r & m e i s t e r , 2 0 0 3 ) 。事实上，已有实验证明， 第3 裂n 上海交通大学博士学位论文 视网膜神经节细胞间存在同步放电现象，这种同步放电存在于视网膜对不同视觉刺激的 反应中。m e i s t e r 等人的研究表明：单个神经元在不同的任务中动态地参与了多个不同 群体的编码活动所形成的放电模式，这些放电模式编码了视觉刺激的特定信息，其复杂 及精细程度远远超出单个神经元活动的编码结果( m e i s t e re ta 1 ，1 9 9 1 ；1 9 9 4 ；1 9 9 5 ；1 9 9 6 ； 1 9 9 9 ) 。神经元群体编码的普遍存在说明，如果想深入了解神经系统的编码原理就有必 要对多个神经元的群体活动进行进步探索，单细胞记录技术显然不胜其力。正因如此， 多个神经元同步记录的相关技术得到了不断开发与应用( b a l 【e r , 1 9 9 9 ；b l a s d e l ，1 9 8 6 ； g r a y , 1 9 9 5 ) ，多电极记录技术为更好地了解视觉信号在视网膜神经节细胞中的加工传递 过程提供了可能。通过对一定视觉刺激作用下多个神经节细胞电活动的同步记录，可以 研究神经节细胞如何协同作用对视觉信号进行编码和传递。多电极记录的应用在推动神 经元群体编码理论发展的同时，也促进了对这些编码形成的具体回路机制的研究。目前 有很大一部分的实验集中在对视网膜神经节细胞感受野的研究上( c h i c h i l n i s k y , 1 9 9 9 ； m e i s t e re ta 1 ，1 9 9 4 ) ，而视觉对外界刺激的编码特性最为突出的是对刺激的变化和对比的 反应。遗憾的是，这些方面的研究大多还集中运用形态学及单细胞记录等较为经典的方 法对视网膜内的神经元进行功能鉴别( d a c e y , 2 0 0 0 ) 。多电极记录技术的发展无疑给神 经元编码解码原理及回路机制的研究及提供了一种新的有效的工具。 然而，多电极记录技术的应用也给生物信号的处理带来了新的挑战。首先，对神经 元信号编码机理的分析有赖于对神经元放电序列的分析。然而，在多电极同步记录过程 中，经常发生的情况是，单个电极往往会记录到多个神经元的活动。而如果电极之间距 离较小的话，单个神经元的活动也有可能被一个以上的电极同时记录到。同时，多电极 记录的信号往往带有大量的噪声( 梁培基& 陈爱华，2 0 0 3 ) 。因而，为了从多电极记录 到的信号中获取神经元的信息，根据电极信号对神经元放电序列进行甄别则显得尤为重 要。虽然，对神经元动作电位的检测和分离还只是信号处理的一个部分，然而，这是研 究神经元编码方式的第一个技术难题。只有通过成功检测并分离电极记录信号，获得神 经元动作电位序列，来进一步了解神经元编码的特性与机理，进而对其生物学意义形成 更臻完美的认识。其次，神经系统是非线性的复杂的动力学系统，神经元放电活动中表 现出丰富的现象，通过运用非线性动力学概念方法可能揭示一些特定情况下神经元放电 活动的内在特性。同时，由于多电极记录技术可以用来同时记录群体神经元的活动，这 为神经科学研究工作者研究群体神经元如何协同活动从而编码外部各种特定信息开启 新的窗口，建立可以用于对多个神经元放电序列进行客观分析的多维数据分析方法因而 也成为研究神经元群体编码的一大挑战。 第4 页 第一章概述 1 3 国内外研究现状和发展趋势 传统的单个神经元编码理论强调神经信息可以为单个神经元的活动独立地编码处 理，并且每个神经元只对某个特定过程起贡献。这种理论得到许多研究者支持，并有多 方面的证据。例如在听觉系统中，通常认为信号处理是按“标记线”的方式进行分级处 理的( e g g e r m o n t ，2 0 0 1 ；r u g g e r o ，1 9 9 2 ) ；在视觉系统研究中，人们常用一些简单的刺激 模式，例如单波长光点或移动光栅，来检测视网膜与外膝体神经元的光谱敏感性或方向 选择性等，从而对神经元进行分类( r u g g e r o ，1 9 9 2 ；k u f f i e r , 1 9 5 3 ) 。长久以来，单个神 经元分析一直是人们理解大脑信息处理机制的主要途径，但是它在很多方面都存在缺 陷。显然，如果按单个神经元方式进行编码，神经系统中有限的神经元数目远不足以与 外部刺激相匹配。而且，单个神经元编码不能解释存在于某些感觉通路中神经元数量的 发散性增加。与单个神经元编码相对应的是群体神经元编码。近年来群体神经元编码理 论得到来自神经系统多方面的证据支持，有研究发现在猫视网膜和外膝体，当两个具有 独立感受野的神经元之间的区域受到光照刺激时，两者将出现高度同步化的振荡放电 ( n e u e n s c h w a n d e r & s i n g e r ，1 9 9 6 ) 。而且，当对新的环境进行编码时，神经元间的相互 作用也出现动态变化，形成动态组合的神经元群体，以便完成必要的信息处理。例如， 在哺乳动物的视皮层，具有相似选择性的神经元往往形成与皮层表面垂直的块状或带状 结构，称作“柱，例如眼优势柱和方位选择柱，这两种柱状结构具有相互重叠的特性 ( f u j i t ae ta 1 ，1 9 9 2 ；h u b e l & w i e s e l ，1 9 6 2 ；t a n a k a , 1 9 9 2 ) 。动态群体编码理论认为细胞间 的联合是高度动态变化的，细胞能在不同的功能群体中进行快速的切换，成员间的相关 性以同步化放电为标记。 由于群体神经元编码现象的普遍存在( n i r e n b e r g l a t h a m ，1 9 9 8 ；p e t e r s e ne ta 1 ， 2 0 0 2 ；l a u r e n t & d a v i d o w i t z ，1 9 9 4 ；n g a ie ta 1 ，1 9 9 3 ) ，如果想深入了解神经系统的编码原 理就有必要对群体神经元编码机制进行进一步探索。为了更好地理解广泛分布的神经元 功能群体的信息处理及其内在调节特性，对特定时间内特定区域的神经元群体由刺激引 起的反应变化进行同步记录，显得尤为必要。正因为如此，多个神经元同步记录的相关 技术得到了不断开发与应用。最初只是在神经系统的相关区域用若干常规微电极进行同 时记录。尽管这种方法受电极数目的限制，却能灵活调整电极位置，从而可以选择性地 对多个特定神经元进行同时记录，并在对神经元时间相关性等的研究方面取得过较好的 成绩( b a k e re ta 1 ，19 9 9 ；c a s t e l o b r a n c oe ta 1 ，19 9 8 ；2 0 0 0 ；h e r c u l a n o h o u z e le ta 1 ，19 9 9 ) 。 而最近发展起来的多电极记录技术中，四管电极显得较为简单和巧妙，因为它能自由移 第5 页 上海交通大学博士学位论文 动，可以选择相应神经元进行记录。与单根电极记录相比，这种记录方式可以提供更多 更可靠的数据( g r a ye ta 1 ，1 9 9 5 ；w i s o n & m c n a u g h t o n ，1 9 9 3 ) 。平面微电极于2 0 世纪 9 0 年代得到发展( m e i s t e re ta 1 ，1 9 9 4 ) ，目前电极数目可多达1 0 0 个，已被神经科学家 广泛运用于多种神经系统( 视网膜、海马和小脑等) 中，研究神经元信号的时空模式。 神经元通过动作电位传递信息，由于多电极记录信号通常由电极周围几个神经元发 放的动作电位叠加形成，而且还不可避免地包含有背景噪声。例如利用平面多电极记录 光刺激条件下新生小鸡视网膜神经节细胞的电活动，图1 3 中显示的是某个电极的记录 信号，其中明显有噪声信号和多种动作电位信号。所以，进行神经元群体编码理论研究 的过程中，首先必须从电极信号中检测并分离出单个神经元发放的动作电位序列。这个 问题通常被称为动作电位分类( s p i k es o r t i n g ) ，它是神经元群体编码理论的研究工作中 不可逾越的第一个技术问题( l e w i c k i ，1 9 9 8 ) 。 n 聃( s a m p l ep 咖旧 图1 3 某个电极的记录信号( 合作者：陈爱华) 。 f i g1 3r e c o r d i n g sf r o mo n ee l e c t r o d e ( c o - w o r k e r ：c h e r t 丸l i ) 一般认为，从同一个神经元记录到的动作电位的形状是近似相同的，而不同神经元 发放的动作电位具有不同的形状。记录到的动作电位的形状主要与发放的神经元的类 型、电极的特性、神经元与电极的相对距离等因素有关。动作电位分离的目的是基于动 作电位的形状对动作电位进行检测和分离，得到相应神经元的放电序列。进行动作电位 的检测和分离主要面临三个难题：首先是甄别动作电位的波形；其次是判断波形的种类： 第三是对叠加波形的分解。通常，这三个难题互相关联，无法独立求解。 第6 页 第一章概述 迄今为止，动作电位的检测和分离方法主要有两大类：特征聚类法和模板匹配法。 特征聚类法通常是对动作电位的波形特征进行描述，如波峰值、幅宽、坡度等等，然后 运用聚类算法进行分类。在这类方法中，最简单的是阈值检测法，即通过设定波峰值或 者峰峰值的阈值来检测动作电位，并进行分离。由于胞外记录信号的信噪比比较低，直 接进行阈值检测难度较大，所以往往希望提高信号的信噪比。m u s i a l 等比较了基于主成 分分析、回归分析和阵列分析等三种方法在提高信噪比的性能上的优劣( m u s i a le ta 1 2 0 0 2 ) 。这几种方法都是线性的，而且所削减的噪声主要是各电极间的共享噪声，在实 际应用过程中效果不佳。还有学者提出了一些非线性的算法，如基于匹配滤波器的方法 ( g o z a n i & m i l l e r , 1 9 9 4 ) 、基于人工神经元网络的方法( c h a n d r a & o p t i c a n ，1 9 9 7 ) 、 基于非线性能量算子的方法( k i m & k i m ，2 0 0 0 ) 、基于多分辨率的方法( n a k a t a n i & w a t a n a b e ，2 0 0 1 ) 和基于离散小波变换的方法( k i m ，2 0 0 3 ) 等等。这些方法各有利弊， 在实际应用过程中仍然需要进一步的改进。 另外，如果某电极周围不同的神经元发放动作电位的时间有重叠，将产生叠加波形。 这种叠加波形会由于所叠加的动作电位的个数、波形、发放时间重叠程度的不同而不同。 图1 4 所示为由两个动作电位叠加产生的波形，只因为两个神经元发放动作电位的时间 重叠程度不同，使得动作电位的波峰叠加的位置不同，从而生成完全不同的两种波形， 如图1 4 ( a ) 和图1 4 ( b ) 。所以应用特征聚类法很难对叠加波形进行有效的分解，而模板匹 配方法则在这方面有明显的优势。在模板匹配方法中，一般首先通过各种方法确定典型 动作电位的波形，然后将这些波形作为模板，根据信号与模板之间的匹配程度，对信号 进行分类( s a l g a n i c o f f e ta 1 ，1 9 8 8 ；s a m ae ta 1 ，1 9 8 8 ；张溥明，2 0 0 3 ) 。a t i y a 运用i s o d a t a 聚类算法估计不同神经元动作电位的波形( a t i y a , 1 9 9 2 ) ，然后，根据神经元放电波形 的统计特性提出似然函数，通过极大似然函数来判别检测到的信号究竟是哪个或者哪几 个神经元放电形成的。该方法能对叠加信号进行有效的分离。l e w i c k i 应用b a y e s i a n 算 法对动作电位的波形建立模型，得到一组数据结构，进而对信号进行分类，同时分解叠 加信号。这一方法在计算效率上比a r t i y a 的方法有效( l e w i c k i ，1 9 9 4 ) 。对神经元群 体编码研究而言，对叠加信号的解混非常重要，g r u n e r 等考察了各种算法在解析叠加信 号时的一些基本约束，并比较了各种算法的优劣( g n m e r & j o h s o n ，2 0 0 1 ) 。由于模板 匹配方法是基于整个波形的，所以在分离叠加信号方面，这类方法具有非常好的效果。 但是，也正因为该方法是基于整个波形的，所以这类方法易受偏差影响，选择的标准定 义的不恰当也会导致分类错误。 第7 页 上海交通大学博士学位论文 ( a ) ( b ) 图1 4 由两个动作电位叠加生成的波形( l e w i c k i , 1 9 9 8 ) 。 r i g1 4o v e r l a p p e ds p i k ew a v e f o r m sg e n e r a t e db yt w od i f f e r e n ts p i k e s ( l e w i c k i , 1 9 9 8 ) 各种聚类分析算法，如k 均值聚类，b a y e s i a n 聚类等等，可以直接用来分析信号 ( z o u r i d a k i s & t a m ，2 0 0 0 ) ，也是各种分类算法中不可或缺的一个组成部分。在进行聚类 的过程中，最困难的一点在于如何确定类的个数。在聚类图中，如果各类被完全清晰地 分离，则较容易得到分析结果。一旦图中各类之间界限模糊，甚至出现重叠现象，则很 难得到正确的分析结果。1 9 9 6 年f e e 等提出了一种确定类的个数的方法，即通过动作电 位间的时间间隔( i n t e r s p i k ei n t e r v a l s ，i s i ) 的柱状图来判断某类的信号是否真的来自一 个神经元( f e ee ta 1 ，1 9 9 6 ) 。而p o u z a t 等则利用背景噪声的统计特性来判断和提高分类 结果的可靠性( p o u z a te ta 1 ，2 0 0 2 ) 。 上述这些方法主要是用来分析单个电极上的记录信号的，其中一些方法也被推广到 分析多电极的信号。主成分分析( p r i n c i p a lc o m p o n e n t s a n a l y s i s ，p c a ) 的方法就被用来 分析多电极的记录信号，此时第一主成分反映的是多个电极上同时变化最大方向的信 息。当然，也可以直接将多电极上的记录信号用来进行聚类分析。z h a n g 等在1 9 9 7 年 利用b a y e s i a n 聚类方法来分析四管电极的记录信号，并且认为该方法的分类效果优于两 维空间的聚类方法( z h a n ge ta 1 ，1 9 9 7 ) 。此外，研究者还将在信号源盲分离中广泛应用 的独立成分分析方法( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) ( h y v k , i n e n & o j 钆2 0 0 0 ) 用来处理多电极记录信号。在应用过程中有一个基本的假设，即每个神经元的放电活动 是独立的，各自发放的动作电位波形可以线性叠加。目前，这种方法已经成功地应用于 第8 页 第一章概述 分析四管电极的信号( t a k a h a s h ie ta 1 ，2 0 0 2 ) ，但是在平面多电极的信号处理中还鲜有成 功的报道。 近年来，神经元放电活动中表现出的丰富的时间模式吸引了研究工作者的广泛注 意。在人的触觉系统中，研究发现外周神经纤维第一个脉冲发放的相对时间可以编码物 体表面形状和刺激用力方向( j o h a n s s o n & b i r z n i e k s ，2 0 0 4 ) 。在听觉皮层上发现，脉冲发 放的相对时间有效地对应于刺激特征( d e c h a r m s & m e r z e n i c h ，1 9 9 6 ) 。而在视网膜上发 现，某些神经节细胞在初始给光刺激时，其反应呈现瞬时型或持续型，随着给光刺激的 重复施加，这些细胞的对光反应会发生改变而呈现一种独特的双峰特性( z h o ue ta 1 ， 2 0 0 5 ；2 0 0 7 ) 。近来，在生理实验中观察和记录到的神经元的不规则放电现象通过非线性 动力学概念方法尤其是混沌理论得到了认识。混沌是一种确定系统中出现的无规则的运 动( 刘式达& 刘式适，1 9 9 4 ) ，反映了确定性非线性系统内部非线性相互作用的结果， 是系统内在特性的表现。通过非线性方法，一些不规则放电活动的内在特性被揭示出来。 作为最早研究神经元生理活动中复杂动力学行为之一的研究者，c h a y 于1 9 8 5 年在物理 学( p h y s i c a ) 杂志上报导了一个三维可兴奋细胞模型中的确定性混沌现象( c h a y , 1 9 8 5 ) 。同一时期，几位日本学者在正弦电流刺激的枪乌贼轴突连续放电活动的研究工 作中观察到了规则的周期、拟周期乃至不规则的混沌等节律形式，这些实验结果与受到正 弦激励的h o d g l d n h u x l e y 方程计算结果相一致( a i h a r a & m a t s u i n o t o ，1 9 8