神经元形态分类和识别热身训练.docVIP

神经元的形态分类和识别 摘要 本文通过主成分分析法对神经元几何形态特征进行分析，得到判断的几何特征主成分，之后计算样本的马氏距离对未知类型的神经元进行了归类，得到了一种对神经细胞根据几何形态特征进行分类的步骤方法。 首先，我们对swc数据进行了处理，以数据中的七个样本点为基础得到了衡量神经元几何特征的20个指标中的11个，这11个指标具有不随种类，成熟度及测量情况而改变的稳定性。通过对这些数据的初步分析，得到了一些从整体上进行判断的几何特征。之后运用主成分分析法又对这11个指标进行了降维处理，在尽可能少损失信息的情况下得出了几何特征中的主成分，至此我们得到了对神经元进行几何分类的所有特征：破碎度，欧氏距离，路径距离，高深比和胞体的有无。 接着再以主成分为基础运用判别分析法，以马氏距离进行位置样本的判别。在对位置样本判别前，我们首先对附录A中的样本进行了判别准确性的验证，在判别中，用判别分析法判别的准确率达到了80%。之后我们以此对附录B中的未知样本进行了判别归类，发现了附录B中新种类的神经元。 然后，以前面分析和计算的结果为基础，对以几何特征进行神经元分类提出了神经元聚合程度形态分析法，主要依据聚合程度对神经元进行了命名。 在对不同种类动物的同类神经元细胞的分析中，分析结果显示不同种类的神经元细胞间基本没有几何形态上的差别，可以认为它们在几何形态上是相同的。 最后我们依据神经元的成