[发明专利]一种锋电位分离方法有效

专利信息
申请号: 201910034850.6 申请日: 2019-01-15
公开(公告)号: CN109766847B 公开(公告)日: 2022-08-23
发明(设计)人: 季薇;李振斌;李云 申请(专利权)人: 南京邮电大学
主分类号: G06K9/00 分类号: G06K9/00;G06V10/762;G06K9/62;A61B5/00;A61B5/24
代理公司: 南京苏科专利代理有限责任公司 32102 代理人: 姚姣阳
地址: 210003 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电位 分离 方法
【说明书】:

发明揭示了一种锋电位分离方法,包括如下步骤:首先,通过微电极细胞外记录方式采集神经元电信号;其次,将采集到的信号进行滤波处理;之后,采用阈值法对滤波后的信号进行锋电位检测,并得到锋电位信号;然后,采用离散小波变换对锋电位信号进行四级分解,并得到由小波系数组成的五个分量,且这五个分量组成一个小波系数矩阵;接着,对小波系数矩阵进行进一步特征提取得到特征空间;最后,采用局部加权投票法对特征空间进行聚类,实现锋电位信号分离。本发明在加权投票的基础上,引入香农熵的概念来评价每个类簇的可靠性,并基于其可靠性给出相应的权值,提出了局部加权投票法,并将其运用于锋电位信号分离,该分离方法实现简单,执行高效。

技术领域

本发明涉及一种分离方法,尤其涉及一种锋电位分离方法,属于锋电位分离领域。

背景技术

人体共有八大系统,分别是运动系统、神经系统、内分泌系统、循环系统、呼吸系统、消化系统、泌尿系统和生殖系统,上述各系统协调配合,使人体内各种复杂的生命活动能够正常进行。其中,神经系统起到主导作用,它不断接收、分析并处理各个感受器传入的信息。处理后的信息输出到人体各系统器官以调节它们的活动。神经元作为神经系统最基本的结构和功能单位,可以通过突触传递和非突触传递方式进行信息的传递,其中前者为主要传递方式。突触传递又分为化学突触传递和电突触传递。医学上常采集神经元电信号进行医学研究,其中动作电位是重点研究对象。由于动作电位主要由锋电位(spike)组成,因此通常所说的动作电位主要指锋电位。

神经元产生的电信号可以通过微电极细胞外记录方式得到,这种方式采集到的信号往往是同一脑区内多个神经元电信号的叠加。神经元电信号可以分别响应不同的生理活动,因此知道哪种电信号对应哪种生理活动至关重要。每种神经元电信号都有自己独特的锋电位信号,因此锋电位信号作为神经元电信号的一部分,可以根据其特征对神经元电信号进行区分。如果能对锋电位信号进行分离,锋电位信号所对应的神经元电信号也随之分离。

锋电位分离方法(spike sorting)用以实现从采集到的神经元电信号中检测出锋电位信号,并把锋电位信号划分成不同的类簇,使得每个类簇对应单个的神经元。在锋电位分离方法中,检测锋电位的方式是阈值法,虽然阈值法实现简单,但是阈值的设定是一个问题,阈值过大容易造成漏检,阈值过小容易造成误检。后来人们对阈值法进行了改进,从而产生了双向阈值法、峰值检测法等,其中后者很好地解决了电压漂移对于阈值检测的干扰。虽然双向阈值法和峰值检测法在一定程度上对阈值法进行了改进,但是它们依然没有完美地解决阈值或窗口高度的设定问题。

综上所述,如何提供一种锋电位分离方法,实现简单、分离质量高且执行高效,就成为本领域技术人员亟待解决的问题。

发明内容

本发明结合聚类集成和局部加权的思想,提出了一种基于局部加权投票的锋电位分离方法,该方法采用阈值法检测锋电位,使用四级离散小波分解对锋电位信号进行特征提取,最后使用局部加权投票法对得到的特征空间进行聚类,实现锋电位信号分离。

本发明技术解决方案是:

一种锋电位分离方法,包括如下步骤:

S1:通过微电极细胞外记录方式采集神经元电信号;

S2:对步骤S1中采集到的信号进行滤波处理;

S3:采用阈值法对步骤S2中滤波后的信号进行锋电位检测,并得到锋电位信号;

S4:采用离散小波变换对步骤S3中的锋电位信号进行四级分解,并得到由小波系数组成的五个分量,完成初步特征提取,且这五个分量组成一个小波系数矩阵;

S5:对步骤S4中的小波系数矩阵进行进一步特征提取得到特征空间,提取的特征包括小波系数的均值、小波系数的标准差、小波系数的斜度、小波系数的能量以及小波系数的熵;

S6:采用局部加权投票法对所述特征空间进行聚类,实现锋电位信号分离,所述局部加权投票法包括如下步骤:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910034850.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top