[发明专利]基于动物神经元动作电位信号的字符逆映射模型重建方法

说明书

本发明公开了一种基于神经元动作电位信号的字符逆映射模型重建方法，旨在解决直接利用生物视觉系统作为摄像系统，通过解码视皮层的Spike信号，获得字符图像，进而实现对外界字符图像场景自动拍照的问题；选取字符与背景具有不同对比度的刺激图像刺激动物，采集所述动物视皮层的动作电位信号；对所述动作电位信号进行集群发放率特征提取；采用逆映射模型算法对提取的集群发放率特征进行重建，得到重建字符；该方法实现过程简单，字符重建效果好，重建正确率高。

技术领域

本发明涉及信息科学领域，具体涉及基于动物神经元动作电位信号的字符逆映射模型重建方法。

背景技术

随着科技的发展，人类对世界的认知越来越清晰，但是对于大脑的认识则相对落后。这恰恰是促使人类对脑科学研究的动力。视觉系统是大脑的重要组成部分。其中，视觉系统是动物观察外界环境的主要感官系统。研究证明，动物大脑所接收的外界信息中，视觉信息占80％以上。通过植入式微电极阵列检测脑神经元Spike信号，提取响应特征，构建重建模型，实现视觉感知信息的重建是一个极具挑战性的问题。

动作电位尖峰信号包含大量的外界刺激信息，从中提取有效特征可以对动物大脑的机制进行探究。在此之前许多神经学家利用动作电位尖峰序列对动物大脑进行了研究。1991年，Bialek等人采用随机的移动光栅作为视觉刺激，构造了苍蝇小叶板H1神经元的动作电位序列解码器，有效估算了刺激模式的速率，并对解码误差进行了评估。1997年，Warland等人采用线性和非线性两种算法解码了视网膜神经节细胞集群动作电位序列编码的亮度信息，发现亮度刺激的大部分信息能够利用线性的方法从动作电位序列中提取出来。1997年，HJ Sun等人利用动作电位的发放信息将运动物体与背景颜色的的联系，发现了同一细胞对不同背景色的响应不同。2011年，Ryu等人对视网膜神经节细胞编码视觉输入信息的机制进行了研究，提取了动作电位序列发放特征，利用支持向量机作为解码器，解码的精度用原始刺激和解码出的刺激之间的相似度来衡量。2014年，Aubie等人提取了动作电位发放率特征，利用最大似然估计器精确地解码出了刺激的持续时间。

视频图像获取的主要途径为摄像机、照相机，但是专业摄像机、相机体积大，操作繁杂。镶嵌在手机等设备上的小型相机不能很好的解放双手并及时有效的记录瞬间，且记录的内容不具有针对性。

发明内容

本发明的目的在于：提供基于动物神经元动作电位信号的字符逆映射模型重建方法，解决了目前难以对外界字符图像场景进行重建的技术问题。

本发明采用的技术方案如下：

基于动物神经元动作电位信号的字符逆映射模型重建方法，包括以下步骤：

步骤1：选取字符与背景具有不同对比度的刺激图像刺激动物，采集所述动物视皮层的动作电位信号；

步骤2：对所述动作电位信号进行集群发放个数特征提取；

步骤3：采用逆映射模型算法对提取的集群发放个数特征进行重建，得到重建字符。

进一步的，所述步骤1具体为：

S101：向所述动物播放刺激，所述刺激的刺激模式为：选取字符与背景具有不同对比度的刺激图像，利用刺激播放器分别从右往左、从下往上依次播放刺激图像；

S102：播放一幅刺激图像，采集一次动物视皮层的动作电位信号，直至所有的刺激图像播放完毕。

进一步的，所述步骤2中集群发放个数特征提取的算法为：

S201：将刺激s_i(i＝1，2，...，M)产生后的时间(T-after_time)均分为N个时间窗，每个时间窗的时间长度为：Δt＝(T-after_time)/N(1)，其中i表示刺激图像的序号，M表示刺激图像的总帧数；