[2019年欧洲激光与电光学会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑(2019.6.23-2019.6.27)] 2019年欧洲激光与电光学会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 闭环光遗传学控制中单神经元记录信号的在线检测与分类
DOI:10.1109/cleoe-eqec.2019.8871649
出版年份:2019
更新时间:2025-09-16 10:30:52
摘要:
电刺激大脑可为耐药性神经系统疾病患者带来治疗益处,但其细胞类型选择性受限。相比之下,光遗传学技术能精准靶向特定细胞类型,从而解决电刺激的这一局限。该技术基于光刺激原理,通过向目标细胞转入称为视蛋白的光敏离子通道实现。根据光照波长和视蛋白特性,该技术既能兴奋也能抑制细胞活动。要实现神经元在线调控需采用闭环控制——闭环光遗传系统会持续比对神经信号与预设阈值,并通过光学刺激调整至目标值[1]。
单细胞记录(SUR)[2]是重要的大脑信号采集方式,但现有信号处理方法多为离线分析。本文提出基于小波变换的实时峰电位检测与分类算法(采用Labview编程实现),包含三大步骤:峰电位检测、特征提取及相似峰电位聚类。多单元记录中的背景噪声呈高斯分布,其均值被纳入信号处理考量(均值计算耗时约6.04微秒)。当数据集均值显著偏离估算值时即判定出现候选峰电位。检测到的离散峰电位需通过插值优化波形以提高检测精度[3]。
峰电位特征提取后作为分类算法输入,基于波形差异进行聚类分析。该算法采用20个尺度的小波变换(墨西哥帽小波)处理SUR信号[4],通过对比输入信号与预定义小波函数实现多尺度分析。插值运算与小波变换总耗时约5.3毫秒。最终分类阶段将检测峰电位的小波系数与各聚类对应系数进行比对(所有尺度下系数差值≤30%则归入同组),该过程耗时约3.1毫秒。图1展示了峰电位分类流程示意图及软件前面板界面。
结论表明:该软件具有高速处理能力,可实现在线全自动峰电位分类,为闭环光遗传技术调控神经网络系统提供研究工具。
作者:
Ahmad Ghorbani,Mir Hossein seyed Nazari,Faezeh Akbari,Zahra Fatahi,Abbas Haghparast,Leila Dragahi,Hamid Latifi,Mohammad Ismail Zibaii