神经系统多细胞电活性的检测是在网络水平上研究脑功能的先决条件。使用多电极阵列,可以进行实时、连续、无损的细胞外信号记录,多个通道的同时记录与分类技术的结合可用于神经元网络的功能及其动力学研究。由于微电极大小的关系,当多电极阵列中一个微电极的检测区域内存在多个神经元时,所检测的信号可能是多个神经元信号的整合。为了分析单个神经元的贡献,需要将单个神经元的信号与其它神经元的信号相区别,故需进行分类。同时,多电极阵列允许对多个神经元的电活动进行同步记录,不同通道内的神经元活动的关系则通过对各通道锋电位序列进行互相关分析获得。为了实现上述需求,本文采用多电极阵列记录神经元的锋电位信号,在MATLAB平台下编写了可视化软件SpikeTools,采用了阈值分类、形状分类、主成分分类等多种分类方法以及聚类方法对原始信号中的锋电位进行了分类,并对各种分类方法的效果进行了对比;同时,该软件实现了多种形式的锋电位序列的同步性分析,并通过类之间、通道之间锋电位时间序列的相关性揭示了相邻神经元活动之间的联系,有助于了解神经元网络中群体活动的相互影响。使用SpikeTools软件分别对模拟数据以及实验数据的锋电位进行分类,对模拟数据的分类结果表明:均有90%以上的锋电位得以正确归类;对实验数据的分类结果表明:阈值分类方法能对电压幅值有明显区别的锋电位进行合理分类,形状分类方法能根据锋电位的幅度与宽度来对电压幅值接近的锋电位进行分类,而主成分分类方法区分波形的整体差异,能分离前两种方法难以区别的类;聚类方法可实现自动分类,无需人工划分。使用SpikeTools软件对实验数据进行相关分析,结果表明,当神经元工作时,它们并不是孤立存在的,而是存在一定的联系。说明大量神经元的相互作用可以构成网络的协同效应。根据相关结果得到的神经元的联系图可明显看出培养的神经元网络在功能上的连接图。由此推测神经元之间的相互作用在网络的信息处理过程中有着相当大的作用。