[发明专利]一种用于神经信号的峰电位分类系统及分类方法

说明书

本发明公开了一种用于神经信号的峰电位分类系统及分类方法，涉及峰电位信号处理技术领域。本发明包括如下步骤：数据读取：上传由实验采集到的神经元电极信号，拿到神经元的电通路信号数据后，读取通道数与电极数，根据后续实验的具体要求选择电信号类型；前处理组件库：对选择后的电信号进行处理，过滤掉通道中不符合条件的数据；分类：对前面处理的数据进行分类；后处理组件库：将分类完的结果根据实验具体需求的范围来进一步的筛选；文件导出：将处理过的数据生成可供进一步分析的文件。本发明利用本地电信号处理平台，基于更高性能的麓联峰电位分类算法及电脑工作站来自动化聚类，支持处理高达1024通道数的数据，提高了分类效率。

技术领域

本发明属于峰电位信号处理技术领域，特别是涉及一种用于神经信号的峰电位分类系统及分类方法。

背景技术

神经元峰电位信号(Spike)具有时空分辨率高、信息量大的特点，是对复杂任务的实时精确控制的重要手段，峰电位分类是峰电位信号处理的重要步骤之一，但目前的方法主要依赖于人工或半人工处理。随着多通道神经集群记录技术的发展，同步记录的神经元通道数急剧增加，从原有的几十个通道向上千个通道发展，目前的人工和半人工方法已经无法应对。另一方面，记录通道数的增加对于数据的传输和存储也提出了巨大的挑战，高通量神经数据的约简可提高数据处理的实时性，推动在线脑-机接口等技术的发展。

此外，现有的流程是通过Offline Sorter手动聚类，效率不高，可处理数据一般不超过64通道。因此，亟需实现一种更高性能的麓联峰电位分类算法。

发明内容

本发明的目的在于提供一种用于神经信号的峰电位分类系统及分类方法，通过本地电信号处理平台，基于更高性能的麓联峰电位分类算法及电脑工作站来自动化聚类，解决了现有的峰电位信号分类效率不高的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种用于神经信号的峰电位分类系统，包括神经信号采集器、神经信号接收器、前处理组件库、分类器、后处理组件库和文件导出模块，

所述神经信号采集器，用于采集神经元电极信号、通道数和电机数；

所述神经信号接收器，用于接收神经信号采集器获取的数据并储存；

所述前处理组件库包括带通滤波组件、带阻滤波组件、通道数据差分组件、移除通道数据组件、空白饱和度组件、偏离消除组件、归一化组件、移除人工事件组件、数据变换组件和数据白化组件；

所述带通滤波组件，用于根据实验参数将杂波过滤；所述带阻滤波组件，用于去除指定频率的波对实验数据造成的干扰；所述通道数据差分组件，用于在构建波形时选择取点标准；所述移除通道数据组件，用于移除通道数据会删除对实验产生干扰的通道；所述空白饱和度组件，用于空白饱和度查找并删除信号中具有外部噪音的部分；所述偏离消除组件，用于移除每个通道的轨迹偏移，缩小实验结果的方差；所述归一化组件，用于通过一个标量对给定的记录提取器的轨迹和偏移量进行重新标度；所述移除人工事件组件，用于从数据记录痕迹中去除人为的不稳定因素，将被影响到的周期清除；所述数据变换组件，用于将给定的数据记录中的痕迹和偏移量用标量进行转换；所述数据白化组件，用于使用数据白化算法对数据进行优化；

所述分类器，用于对前处理组件库处理后的数据进行分类；

所述后处理组件库包括峰电位数量过滤组件和最小信噪比过滤组件；所述峰电位数量过滤组件，用于规定分类后阀值峰值的数量，通过将数据的峰值限定来优化图像，减少数据上的杂波干扰；所述最小信噪比过滤组件，用于限定信噪比阈值的最小值，筛选出符合实验标准的数据；

所述文件导出模块，用于将处理过的数据生成可供进一步分析的文件。

本发明为一种用于神经信号的峰电位分类方法，包括如下步骤：