神经元网络信号理软件包的集成及相关性算法分析.pdfVIP

摘 要∗ 在网络层次上研究神经系统的功能是当前神经科学的研究热点。多电极阵列能 够长时间连续、无损、实时地记录神经元网络电活动信号，是研究神经元网络特性 的有力工具。对多电极记录的信号进行处理是揭示神经元网络特性的前提条件。相 关性分析是神经元信号处理的重要目的。对神经元网络刺激响应信号进行相关性分 析可以揭示网络中神经元之间的联系。去除刺激诱发的伪相关，是分析刺激响应相 关性必须考虑的问题。 为了处理多电极记录的信号，我们用 Java 编写了神经元网络信号处理软件包。 该软件包作为一个重要的功能模块整合在本实验室编写的 BioLAB 平台上。软件包 包含20 种神经元信号处理常用的算法程序及相应的处理结果可视化程序，使用方便、 可扩展性强，是处理神经元网络信号的有力工具。 本文详细介绍了神经元网络信号处理软件包的使用流程及其接口程序和图像显 示程序的开发和实现过程。 本文用互相关直方图和联合刺激后时间直方图这两种常用的互相关分析方法分 析多电极培养神经元网络的刺激响应，重点观测两种算法去除刺激诱发相关性的修 正算法的效果。互相关直方图去除刺激诱发相关的修正算法为移位预测修正互相关 直方图。联合刺激后时间直方图有两种修正方法去除刺激诱发相关：归一化联合刺 激后时间直方图和移位修正联合刺激后时间直方图。结果表明 1）不管以何种方式构 造移位预测修正互相关直方图，其对刺激诱发相关性的去除效果无差异。2 ）虽然归 一化联合刺激后时间直方图和移位修正联合刺激后时间直方图都能有效去除刺激诱 发的相关，但前者的处理结果不受具体数据的影响，后者的处理结果受数据具体细 节的影响。 针对移位修正联合刺激后时间直方图的不足，本文提出了一种改进算法：归一 化移位修正联合刺激后时间直方图。用改进算法分析多电极记录的神经元网络信号， 结果表明，该方法在神经元网络连接状态不变而具体实验数据不同的情况下，能准 确体现神经元网络的连接状态。 关键词：神经元网络 多电极阵列 互相关直方图 信号处理 联合刺激后时间直方图 BioLAB平台 ∗本课题受到国家自然科学基金，教育部科学技术研究重大项目（重大10420）的资助 II Abstract Nowadays, studying the neural function in network lever is one of the hot research topics in neuroscience. Multi-Electrode Arrays (MEA) can non-invasively record continuous spiking activities of neuronal network in real time for a long time. It’s a powerful tool to research the characters of neuronal networks. Processing the signal collected by MEA is a prerequisite to reveal the character and the mechanism of the neuronal networks. Correlation analysis is an important purpose of the neuronal signal process. Using stimulus responding signal of neuronal network for correlation analysis can reveal the relation