神经元的形态识别与电位发放特性.pdfVIP

神经元的形态识别和电位发放特性 [1] [1] [2] [1] [1] 刘深泉 姚良瑾 覃秋菊 吕凡 杨志华 华南理工大学理学院数学系[1] ,广州,510640 华南理工大学化学与化工学院[2] ,广州,510640 一、引言 神经元的功能包含很多因素,几何形态和电学物理特性是两个重 要方面。在人类脑计划中[1]，L-neuron 就是研究神经元形态的一个 重要项目[2],重点研究神经元的形态和特性, NeuroMorpho.Org包含 大量神经元的形态数据[3]。SenseLab Project 建立汇集神经元的理 论模型，分析神经元的电生理特性[4],其工具是 NEURON/GENESIS 建 模仿真软件[5][6]。本文从神经元的形态和物理特征入手,研究神经 元的分类和识别问题。 二、神经元的形态识别和电位发放分类 (1) 神经元的形态分类 Neuronmorpho.prg是人类脑计划的一个重要项目，它侧重于神经 元形态的研究。SenseLab Project是人类脑计划的另外一个重要项目, 它侧重神经元的信号传导模型,主要建立各类神经元和神经系统的电 缆房室模型.这里研究选用的100个神经元及其相关数据用的样本均 来自:（1）Neuronmorpho.prg的官方网站：（2）耶鲁大学神经元研究 网站.网站(1)侧重于神经元生理形态的研究和数据积累；网站(2)侧 重于神经元数学模型研究,汇集神经元和神经系统房室模型描述。 本次研究选用的 100 个神经元分为四类：大形多枝神经元，中形 多枝神经元，锥体神经元和蒲肯野神经元.部分样本形态如图 1： 图 1 样本神经元的形态 神经元的形态丰富多样, 其形态特征的提取十分困难, 文献[10] 给出下列特征参数,见下图,刻画神经元的形态区别: 图 2 神经元的形态特征 根据文献[10]特征描述和 Neuronmorpho.prg 的特征数据分类， 我们选用神经元的胞体表面积, 干的数目, 分叉数目, 分支数目,宽 度, 高度, 深度,直径, 长度,表面积,体积, 殴氏距离, 路径距离, 分叉级数,压缩比,破碎程度,非对称分化,罗尔比率(Ralls Ratio), 局 部分叉角, 远处分叉角等 20 个参数来刻画神经元形态特征. 为精确分析形态特征参数,先对数据进行标准化,主成分分析可 知,前四个主成分特征值都大于 1 ，它们共同解释了总变异的 75.761%；第五个主成分虽然解释了总变异的4.966%，但它的特征值 为 0.993，小于 1，这说明该主成分的解释力度还不如直接引入原变 量大。因此，只需要萃取出前四个主成分即可。用这四个主成分代替 原来的 20 个变量做系统聚类分类识别。 表 1 部分样本神经元的几何形态参数 Soma Eucliden Path Total Total Number Ralls 参数 Surface Distance Distance Length Volume of Ratio: Stems: