基于奇异谱熵的神经元峰电位分类技术研究

摘要：

目的:实现神经元峰电位(spike)的准确检测和分类,为神经信号的后续分析和解码提供前提条件.方法:采用改进的阈值法,从植入式多电极阵列采集的含噪神经电信号中检测出有效的峰电位;并提出利用奇异谱熵,来描述在奇异值分解下峰电位特征;通过Kolmogorov-Smirnov检验降低特征维数,采用交互式方式挑选聚类性能较佳的二维特征向量;最后结合C均值聚类算法实现峰电位分类.结果:本文提出的峰电位奇异谱熵特征使多组仿真和真实神经电生理信号获得了较为理想的聚类效果,且仿真数据分类准确率几乎都达到98%以上.结论:基于奇异谱熵的峰电位特征提取,能够较好地表达和区分各类别峰电位的动态特性,可以作为峰电位有效的分类依据.

关键词：峰电位分类、奇异谱熵、Kolmogorov-Smirnov检验

所属期刊栏目：24

分类号：R319;TP391(医用一般科学)

资助基金：国家自然科学基金30770685;浙江省新苗人才计划项目2009G60G2040018

在线出版日期：2011-05-23（万方平台首次上网日期，不代表论文的发表时间）

页码：65-70