论文部分内容阅读
微电极阵列记录技术的发展为神经元锋电位与场电位的记录提供了极好的工具,但也带来了大量数据处理问题,其中单神经元细胞外动作电位(即锋电位)的提取和分类就是急需解决的重要问题之一,它是大脑神经系统编码机制和信息处理机制研究的基础。本文使用记录位点高密度分布的四极电极形式的微电极阵列,同时记录大鼠海马CA1区神经元锋电位和场电位,研究方法和内容分为如下两部分:(1)为了提高锋电位检测和分类的正确性,根据获得的能够同时记录到相同神经元信号的四通道记录信号的特点,设计了多通道锋电位阈值检测法;并进一步针对低信噪比锋电位信号,设计了主成分分析与非线性能量算子相结合的检测法(简称PCA-NEO法);然后利用多通道锋电位波形的信息设计了多通道分类方法。(2)为了研究大鼠海马CA1区锋电位发放与场电位节律之间的关系,利用本文新设计的锋电位检测和分类方法,研究夹尾刺激过程中CA1区锥体细胞和中间神经元的发放模式变化以及与相应的场电位变化之间的关系。获得的主要研究结果如下:(1)多通道阈值检测法的检出率比相应单通道方法提高近30%,并增加了检测到的神经元数目;PCA-NEO检测法在控制误检率的同时,其检出率达到了92%以上,并且对重叠锋电位的检出率比其它三种对照方法高20%以上。(2)新设计的锋电位分类方法,将多通道数据上的锋电位波形首尾相连形成复合波形,再通过主成分分析提取出主要特征,并用最大最小距离法进行聚类。运用此分类方法,能够近乎完全准确地进行分类,并提高重叠锋电位的分类准确率。(3)提取出夹尾前与夹尾时海马CA1区多通道记录信号中锥体细胞和中间神经元的发放后,经过光栅图和直方图分析,发现在夹尾刺激下部分锥体细胞发放频率显著降低,部分中间神经元发放频率显著升高。同时,神经元的这种活动变化还导致了场电位中低频节律(6波)功率降低,而高频节律(p波、γ波和ripple波)功率升高。总之,本文设计的锋电位检测和分类算法,不仅在检出率、分类准确率等方面都有明显优势,还保持了较高的计算效率,为神经电生理研究提供了更准确快捷的数据分析方法。根据用这些新方法从大鼠海马CA1区神经电信号中提取出的锥体细胞和中间神经元的发放,发现了与夹尾刺激相关的神经元活动变化规律。由于海马区是大脑中重要的学习记忆相关脑区,这些变化规律很可能与海马区对外部感觉刺激的神经编码过程有关。