利用噪声能量和卡方分布约束的虚假锋电位筛除方法

摘要：

神经元锋电位可靠检测在神经科学研究与脑机接口应用中具有重要价值.针对低信噪比条件下锋电位检测的假阳性问题,提出了一种利用锋电位信号背景噪声能量和服从卡方分布约束的虚假锋电位去除方法.首先使用K-Means算法对过阈值检测的待判锋电位进行聚类,并用最小协方差算法估计各聚类总体噪声均值向量与协方差;进而计算各噪声样本与对应总体之间的马氏距离平方作为锋电位背景噪声能量和的度量指标;最后利用该指标卡方分布的置信区间对虚假锋电位进行筛除.不同信噪比条件下的仿真数据和动物实验数据应用结果表明:与传统的基于锋电位波形特征的阵列去噪算法相比,该方法可以有效识别出单电极记录神经信号中的虚假锋电位,正确率在95％以上,并且计算结果不依赖于聚类参数的选择.

关键词：锋电位检测、虚假锋电位、噪声能量和、马氏距离、卡方分布、K-Means聚类

所属期刊栏目：36

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金资助项目U1304602,61473266,61305080;河南省高等学校重点科研资助项目15A120016

在线出版日期：2015-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：111-115