[发明专利]一种神经元膜电位数据的下采样方法

说明书

本发明公开了一种神经元膜电位数据的下采样方法，应用于脉冲神经元仿真，包括：将原始采集的膜电位数据进行分桶；筛选桶中的局部严格极值点；若桶中不存在局部严格极值点，则使用桶中第一个和最后一个膜电位数据代表桶中所有的膜电位数据；否则使用桶中第一个膜电位数据、最后一个膜电位数据以及全部或部分局部严格极值点代表桶中所有的膜电位数据；收集所有桶中的代表数据形成最终的下采样数据。本发明实现在有效降低膜电位数据总量的前提下最大程度保留膜电位数据的变化特征。

技术领域

本发明属于神经元仿真技术领域，具体涉及一种神经元膜电位数据的下采样方法。

背景技术

神经元仿真中信息通过电和化学信号在神经元内部和神经元之间传递，脉冲信号对于快速、远距离传输时间敏感信息尤为重要。脉冲信号非常短暂，不易捕获，因此在仿真过程中通常将神经元膜电位数据的采集间隔设置的非常短，以此最大限度记录神经元膜电位数据，进而保留神经元膜电位数据的脉冲特征。

然而由于神经元膜电位数据的采集间隔非常短，造成采集的数据随采集间隔缩小而线性膨胀，以一般研究中的采集间隔配置为例，0.1毫秒采集一次，1秒的仿真时间内一个神经元就会产生10000个数据点，这10000个数据点中体现脉冲特征的数据点可能不到百分之一，显然这给数据采集以及数据分析都带来了极大的挑战。并且在全脑仿真领域，仿真的神经元数量甚至会达到千亿级别，需要记录膜电位的神经元也会有成百上千个，仿真时间甚至会达到小时级别，这就给膜电位数据的可视化带来了很大的挑战，因此亟需一种下采样方法，在最大限度保留膜电位变化特征前提下有效降低数据量的方法。

目前，常用的数据下采样方法有以下几种：

1)众数中位数分桶下采样方法(Mode-Median-Bucket)：该方法首先确定所有数据点分桶的数量，除了第一个桶和最后一个桶分别放置数据点中第一个点和最后一个点外，其余每个桶包含数量大致相同的原始数据点；然后遍历每一个桶，判断桶内的数据点是否存在唯一众数，如果存在就使用这个唯一众数代表本桶内所有数据点，如果不存在就使用中位数代表本桶内所有数据点；最后收集所有桶的代表数据形成最终的下采样数据。

2)最小标准差分桶下采样方法(Min-Std-Error-Bucket)：该方法首先确定所有数据点分桶的数量，除了第一个桶和最后一个桶分别放置数据点中第一个点和最后一个点外，其余每个桶包含数量大致相同的原始数据点；然后将每个桶中的点和后一个桶的点两两连成线段，计算水平方向投影包含在线段内的点到线段的距离，通过这些距离应用SEE公式计算标准误差作为线段的权重；最后带有权重信息的线段看作有向无环图应用最短路径算法得到构成最短路径的所有数据点作为最终的下采样数据。

3)最大三角形三桶下采样方法(Largest-Triangle-Three-Buckets)：该方法首先确定所有数据点分桶的数量，除了第一个桶和最后一个桶分别放置数据点中第一个点和最后一个点外，其余每个桶包含数量大致相同的原始数据点；然后从第二个桶开始，遍历桶中的每一个数据点，与前一个桶中已经确定的点和后一个桶中所有数据点应用平均算法计算的到的点形成的三角形计算面积，选择面积最大的三角形包含的数据点代表桶内所有数据点；最后收集所有桶的代表数据形成最终的下采样数据。

以上常用的数据下采样方法虽然可以降低数据量，但是处理过程中忽略了膜电位数据的变化，导致下采样得到的最终数据不能有效保留膜电位数据的变化特征。

发明内容

本发明的目的之一在于提供一种神经元膜电位数据的下采样方法，实现在有效降低膜电位数据总量的前提下最大程度保留膜电位数据的变化特征。

为实现上述目的，本发明所采取的技术方案为：

一种神经元膜电位数据的下采样方法，应用于脉冲神经元仿真，所述神经元膜电位数据的下采样方法，包括：

将原始采集的膜电位数据进行分桶；

筛选桶中的局部严格极值点；