[发明专利]一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法在审

专利信息
申请号: 201810642791.6 申请日: 2018-06-21
公开(公告)号: CN110090002A 公开(公告)日: 2019-08-06
发明(设计)人: 陆洋;周专;周博;李明立;王伦;王庆龙;陈国庆;孙立媛;孙素华 申请(专利权)人: 北京大学
主分类号: A61B5/00 分类号: A61B5/00
代理公司: 北京万象新悦知识产权代理有限公司 11360 代理人: 苏爱华
地址: 100871*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 神经元 双光子荧光 前额叶 荧光 小鼠 自动检测 神经生物学研究 波形特征参数 神经元活动 时间点检测 动态曲线 基线检测 实时检测 数据分析 信号分类 预判断 显微镜 采集
【说明书】:

发明涉及一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法,包含了计算神经元荧光动态曲线部分、基线检测部分、钙信号预判断时间点检测部分、波形特征参数提取部分、使用SVM实现神经元荧光钙信号分类部分。本发明能够实时检测由双光子荧光显微镜采集的小鼠前额叶神经元活动的荧光钙信号,对神经生物学研究的数据分析具有潜在价值。

技术领域

本发明涉及一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法,属于信号处理技术领域。

背景技术

双光子荧光成像技术由于具有分辨率高、可以用于活体实验等优点,被广泛的应用于神经生物学领域。同时,科研人员的实验需求已不再局限于对实验对象的可视化观察等单一领域,在许多场合需要对采集的实验数据进行更高层次的定量分析。而双光子荧光钙信号的检测是各种定量分析应用中的主要任务,但由于荧光钙信号的复杂性,长期以来数据分析都依赖于人工分析。由于训练一个分析专家需要很长时间,并且分析的过程中存在着各种主观偏见;而人眼能够发现的信号有限,对于一些弱信号无能为力;对于大规模数据分析,人工分析效率比较低。因此,亟需一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法。

发明内容

为了能够解决神经生物学领域科研人员对小鼠前额叶神经元双光子荧光钙信号的定量分析中,传统的人工分析存在各种主观偏见,对于一些弱信号无能为力,人工分析效率比较低的不足,本发明的目的在于提供一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法。

为了实现上诉目的,本发明的技术方案如下:

一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法,由以下步骤组成:

1)采集使用钙离子指示剂染色的小鼠前额叶神经元双光子图像数据;优选的,所述的小鼠前额叶神经元实验样本在采集前使用钙离子指示剂以及显色剂标记;优选的,所述的采集图像数据时采用的双光子荧光扫描序列为2D点扫描序列;优选的,所述的图像数据使用过8-16赫兹扫描频率采样获得。

2)将采集到的图像数据根据感兴趣区域计算神经元荧光动态曲线;

3)根据荧光动态曲线检测基线,并归一化数据;优选的,所述的基线检测方法首先采用高斯滤波器(σ=10ms)对荧光动态曲线去噪处理,然后根据荧光强度统计直方图,检测荧光动态曲线不同荧光强度的频数,用于检测基线;优选的,所述的归一化数据是将每个时间点的荧光值减基线值,再除以基线值。

4)将归一化的荧光动态曲线通过拉以达准则和规则列表检测钙信号预判断时间点;优选的,所述的拉以达准则和规则列表具体包括:归一化荧光强度大于N倍荧光动态曲线标准差,归一化荧光强度大于荧光钙信号动力学阈值T,钙信号预判断时间点的下降项大于K个采样点。

5)根据钙信号预判断时间点提取L维波形特征参数;

6)将L维波形特征参数通过事先训练好的判别模型M进行分类并输出最终检测结果;优选的,所述的荧光钙信号判别模型M使用基于SVM的机器学习算法,构建SVM参数空间的非线性判别函数,得到输入特征参数和输出钙信号分类之间的非线性映射,用于对荧光钙信号的分类。

综上所述,一种小鼠前额叶神经元双光子荧光钙信号的自动检测方法,主要创新之处在于:通过拉以达准则和规则列表检测钙信号预判断时间点,然后提取钙信号预判断时间点的特征参数,并使用基于SVM的机器学习算法,构建SVM参数空间的非线性判别函数,得到了输入特征参数和输出钙信号分类之间的非线性映射,进而实现在小鼠前额叶神经元双光子荧光钙信号的自动检测。

附图说明

图1为本发明的整体流程图

图2为本发明的一个检测结果图

具体实施方式

下面通过具体实施例对本发明进行说明,但本发明并不局限于此。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学,未经北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810642791.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top