[发明专利]植入式脑机接口神经元锋电位分类方法

说明书

本发明提供了一种植入式脑机接口神经元锋电位分类方法。该方法包括以下步骤：a、使用带通椭圆滤波器对原始信号进行滤波，滤除信号中低频段的局部场电位以及部分高频段的背景噪声；b、使用改进的启发式阈值检测算法提取滤波后信号中的锋电位数据并保留；c、使用主成分分析对锋电位数据进行特征提取；d、使用基于改进的动态时间规整的K多均值聚类算法将映射在特征空间中的代表锋电位的数据聚集成不同的簇。经本发明方法的处理，从原始信号中较充分保留了低幅值的锋电位，并实现了较高精度的锋电位有效分类。

技术领域

本发明涉及植入式脑机接口锋电位的检测与聚类技术领域，具体地说是一种植入式脑机接口神经元锋电位分类方法。

背景技术

几个世纪以来，脑科学以及神经系统的探索研究表明神经系统精确调控并支配着生物的各种肢体活动。自发现神经元和肌肉会产生电力以来，脑科学的探索进程在很大程度上便依赖于采集设备同时记录大量细胞的能力以及对神经元信号的精确解码能力，方便研究学者借此了解信息在神经元中如何进行表达与传递。

采集细胞生物活性(即记录电生理信号)的最流行的技术之一是使用细胞外电极阵列，电生理记录可分为记录在细胞内或细胞外两类。利用电极记录装置，可记录其附近神经元细胞发放的电生理活动，并能捕捉到这些邻近神经元发放的动作电位。与细胞内记录不同，这些细胞外记录不直接接触神经元活动，即需要处理记录的数据来提取电极周围不同神经元细胞发放的锋电位信号。神经元信号被处理的过程被称为锋电位分类。截止到目前，已有多种算法被用于锋电位分类分析，并取得了不错的成果。锋电位分类是神经生理学中最重要的数据分析之一，同时在神经信息记录和分析的处理过程中，也是后期解码的基础与前提，其应用范围从脑机接口到神经编码，对于癫痫等脑类疾病的预防检测等也具有重大意义。

锋电位分类由滤波、检测、特征提取和聚类四部分构成，每一部分对随后解码分析的准确性均有重要影响。滤波主要是为了充分保留锋电位，有效减轻局部场电位以及背景噪声的干扰。锋电位检测步骤的目的则是检测出包含在已滤波信号中的神经元锋电位并将其保留。特征提取连接锋电位检测与聚类这两个步骤，其用于将最能代表锋电位的特征映射于特征空间中。最后，使用锋电位聚类算法将特征空间中同一类别的神经元锋电位聚集成一簇。

目前，影响锋电位检测的主要难点是低幅值、低信噪比锋电位检测精度较低。聚类算法面临的难点主要有低信噪比、低幅值神经元锋电位不易聚类；其次，某些锋电位的形状相似度较高不易分离，使得锋电位聚类算法精确度有待提升。

发明内容

本发明的目的就是提供一种植入式脑机接口神经元锋电位分类方法，以解决低信噪比、低幅值神经元锋电位数据不易检测，且由于锋电位形状相似度高而难以聚类的问题。

本发明是这样实现的：一种植入式脑机接口神经元锋电位分类方法，包括以下步骤：

a、滤波。使用带通椭圆滤波器对电极采集到的原始脑电信号进行滤波，滤除掉低频段的局部场电位信号以及部分高频段背景噪声。

b、检测。使用改进的基于启发式阈值检测公式对滤波后的锋电位信号进行检测，得到锋电位数据。

c、特征提取。使用主成分分析对得到的锋电位数据提取特征。

d、聚类。使用基于改进的动态时间规整的K多均值聚类算法对锋电位进行聚类，得到不同的簇，将锋电位聚成不同的类别。

步骤a的具体过程为：

a-1、对采集的脑电信号进行滤波，使用matlab中的带通椭圆滤波器ellip函数[b,a]＝ellip(n,Rp,Rs,Wn,'ftype')，使用椭圆滤波器可以设计不同类型的滤波器，如：高通滤波器(当ftype＝high时)、或带阻滤波器(当ftype＝stop，且Wn＝[W1,W2]时)。参数也具备不同的意义，参数n为最小阶数，参数Rp为通带最大波纹度(单位dB)，参数Rs为阻带最小衰减(单位dB)。