發(fā)布時間：2020-07-26 21:14

【摘要】：理解大腦的結構與功能,是21世紀最具挑戰(zhàn)性的前沿科學問題,腦科學研究在世界范圍得到了廣泛關注和大量投入。腦-機接口(Brain-Machine Interface,BMI)通過在大腦與外部設備之間建立直接的通路,可以在不依賴于脊髓/外周圍神經和肌肉系統的情況下實現大腦與外界的交互。傳統的開環(huán)腦-機接口在分析短暫的神經活動事件方面有所局限,而閉環(huán)腦-機接口則可以提供因果性的證據。通過實時解碼讀取或檢測到神經活動事件的發(fā)生是形成閉環(huán)反饋的前提,現代多電極記錄技術的進步已經實現了多腦區(qū)、上千路神經信號通道的同時采集,擴大可以實時解碼分析的數據規(guī)模和提高神經信號解碼分析的速度已經成為了神經科學研究的新興主題。許多閉環(huán)反饋實驗要求極低的檢測延時,典型的場景包括依賴對神經活動中突變進行檢測的應用。針對大量數據采集通道下難以進行實時解碼的問題,本文提出了一種利用GPU的并行處理能力進行加速的算法,通過兩個內核算法的設計和片上存儲的優(yōu)化,顯著提高了計算速度和可以實時計算的數據規(guī)模。利用加速算法對仿真數據和大鼠海馬體、皮層及丘腦實驗數據進行位置編碼的解碼,結果顯示相對于CPU上的解碼算法,本文中的算法實現了 20-50倍的加速效果。針對海馬體回放事件的在線分析鑒別問題,基于并行算法的實時解碼能力,本文通過有效的緩存和隨機索引策略,對利用大量隨機亂序數據的統計顯著性分析方法進行了優(yōu)化,使用1000個亂序樣本時該方法的計算延遲在15毫秒以內,實現了對海馬體回放事件實的時在線顯著性評價。針對神經活動中的突變檢測問題,本文在泊松線性動態(tài)系統模型的基礎上引入了非高斯動態(tài)噪聲來建模隱變量空間的隨機跳變過程。為了在非高斯噪聲和非高斯似然函數的條件下有效估計隱變量的后驗概率,本文提出了用于突變檢測問題的粒子濾波和平滑算法,并采用GPU加速了計算。對仿真數據和實驗記錄的急性疼痛神經鋒電位數據的分析表明了這一算法的有效性。在突變檢測算法的基礎上,本文還設計并實現了一個基于該算法的在線腦-機接口系統,該系統采用多個線程管理采集、訓練、解碼、顯示等任務,在減少系統延遲的同時實現了靈活的配置和管理。
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：R318;TN911.7
【圖文】：

１．２．１．３基于鋒電位信號的閉環(huán)腦－機接口系統的組成逡逑基于鋒電位的閉環(huán)腦－機接口的組成主要包括神經信號采集模塊、神經信號解析模逡逑塊、外部裝置控制模塊和反饋模塊，如圖１．２所示。逡逑１）神經信號采集模塊逡逑神經信號采集模塊主要包含兩個部分：植入式微電極陣列和多通道信號采集系統。逡逑目前廣泛應用的植入式微電極陣列主要包括金屬微絲電極（ｍｉｃｒｏｗｉｒｅ）和硅襯底電極逡逑（ｓｉｌｉｃｏｎ－ｂａｓｅｄ邋ｅｌｅｃｔｒｏｄｅｓ）。金屬烎絲電極是一段直徑約為數十至數百微米的金屬絲，由逡逑絕緣材料包裹，僅尖端裸露。每根電極采集到的鋒電位波形和幅度會因相對神經元的逡逑距離和方向而不同，這為根據信號波形來分析每個鋒電位信號的來源，即鋒電位分類逡逑（ｓｐｉｋｅ邋ｓｏｒｔｉｎｇ）提供了更多的信息，因此常見將每兩根或每四根電極纏繞在一起進行記逡逑錄，即兩管微電極（ｓｔｅｒｅｏｔｒｏｄｅ）或四管微電極（ｔｅｔｒｏｄｅ），實際使用時，每個植入的電極逡逑束通常包含１６－６４根微絲電極。圖１．３Ａ顯示了一種金屬微絲電極陣列，放大圖像左側逡逑為兩管微電極，右側為四管微電極，圈內線段表示１００微米長度｜１（）１１。微絲電極在植入逡逑過程中容易彎曲而難以精確定位

公司的密歇根陣列微電極，放大圖顯示每個管腳上電極點的分布［１７］。多通道信號采集逡逑系統對微電極陣列探測到的電信號進行濾波放大等處理和緩存、記錄，以供后續(xù)分析逡逑使用。目前主流的商用采集系統如圖１．４所示，主要包括Ｐｌｅｘｏｎ公司的ＯｍｎｉＰｌｅｘ（圖１．４逡逑Ａ）、Ｂｌａｃｋｒｏｃｋ邋ｍｉｃｒｏｓｙｓｔｅｍ邋公司的邋Ｃｅｒｅｂｕｓ？（圖邋１．４邋Ｂ）系統和邋ＮｅｕｒａＬｙｎｘ邋公司的邋Ｄｉｇｉｔａｌ逡逑Ｌｙｎｘ系統（圖１．４Ｃ）等，這些系統體積龐大，價格昂貴，因此越來越多的人也開始選逡逑擇來自開源項目ＯｐｅｎＥｐｈｙｓ？（圖１．４邋Ｄ）的硬件和軟件或是利用開源組件自己搭建采集逡逑系統。逡逑ｍｍ逡逑圖１．３植入式微電極陣列逡逑２）

公司的密歇根陣列微電極，放大圖顯示每個管腳上電極點的分布［１７］。多通道信號采集逡逑系統對微電極陣列探測到的電信號進行濾波放大等處理和緩存、記錄，以供后續(xù)分析逡逑使用。目前主流的商用采集系統如圖１．４所示，主要包括Ｐｌｅｘｏｎ公司的ＯｍｎｉＰｌｅｘ（圖１．４逡逑Ａ）、Ｂｌａｃｋｒｏｃｋ邋ｍｉｃｒｏｓｙｓｔｅｍ邋公司的邋Ｃｅｒｅｂｕｓ？（圖邋１．４邋Ｂ）系統和邋ＮｅｕｒａＬｙｎｘ邋公司的邋Ｄｉｇｉｔａｌ逡逑Ｌｙｎｘ系統（圖１．４Ｃ）等，這些系統體積龐大，價格昂貴，因此越來越多的人也開始選逡逑擇來自開源項目ＯｐｅｎＥｐｈｙｓ？（圖１．４邋Ｄ）的硬件和軟件或是利用開源組件自己搭建采集逡逑系統。逡逑ｍｍ逡逑圖１．３植入式微電極陣列逡逑２）

【相似文獻】

相關期刊論文 前10條

1 王兆祥;封洲燕;余穎;朱玉芳;郭哲杉;;適用于寬頻帶記錄信號的鋒電位檢測法[J];儀器儀表學報;2016年03期

2 羅靜;戴敏;;用于鋒電位分類的二階差分表示法[J];天津理工大學學報;2013年06期

3 封洲燕;王靜;汪洋;鄭曉靜;;神經元鋒電位信號濾波頻率的選擇[J];浙江大學學報(工學版);2012年02期

4 牛意堅;劉濤;;基于窗口法的改進鋒電位檢測算法[J];計算機與數字工程;2012年02期

5 王靜;封洲燕;鄭曉靜;;低信噪比神經元鋒電位檢測的新方法[J];浙江大學學報(工學版);2011年05期

6 祝曉平;王東;陳耀武;;基于提升小波的神經元鋒電位并行檢測方法[J];華南理工大學學報(自然科學版);2011年10期

7 降惠;王琳娟;李杰;;徑向基函數網絡在神經元鋒電位分類中的應用及改進[J];電腦開發(fā)與應用;2010年10期

8 萬紅;張超;劉新玉;尚志剛;;波形特征的高斯混合模型鋒電位分類算法[J];中國生物醫(yī)學工程學報;2016年04期

9 封洲燕;肖乾江;胡振華;;電刺激期間神經細胞單元鋒電位的檢測[J];中國生物醫(yī)學工程學報;2013年04期

10 萬紅;郜麗賽;牛曉可;;基于匹配小波變換的初級視皮層神經元鋒電位分類[J];鄭州大學學報(工學版);2011年03期

相關會議論文 前2條

1 馬越;蔡淑頻;;內皮素對兩棲動物心肌電生理活動的影響[A];解剖學雜志——中國解剖學會2002年年會文摘匯編[C];2002年

2 張森泉;陳科;堯德中;;基于局部PCA的鋒電位甄別方法研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯合學術年會論文集（上冊）[C];2007年

相關博士學位論文 前10條

1 呼思樂;閉環(huán)腦-機接口中大鼠海馬及皮層集群鋒電位實時解碼算法的研究[D];浙江大學;2019年

2 劉作志;高性能神經元鋒電位檢測方法的研究[D];西安電子科技大學;2018年

3 王兆祥;軸突高頻電刺激對于神經元活動的調控作用研究[D];浙江大學;2018年

4 丁偉東;神經鋒電位信號識別方法研究[D];上海交通大學;2008年

5 祝曉平;植入式腦—機接口鋒電位實時處理算法研究[D];浙江大學;2012年

6 廖玉璽;植入式腦機接口神經元鋒電位的時變特征分析與解碼研究[D];浙江大學;2014年

7 汪洋;大鼠海馬CA1區(qū)神經活動對體感刺激響應的研究[D];浙江大學;2014年

8 李向寧;基于多微電極陣列的培養(yǎng)神經元網絡特性初探[D];華中科技大學;2007年

9 胥凱;植入式腦機接口中神經元重要性評估及鋒電位的高效解碼[D];浙江大學;2015年

10 王靜;多通道鋒電位信號分析的新方法及其在海馬神經元發(fā)放特性研究中的應用[D];浙江大學;2011年

相關碩士學位論文 前10條

1 高夢宇;基于spike和LFP的獼猴視皮層神經元朝向選擇性分析[D];燕山大學;2019年

2 李振斌;基于局部加權聚類集成的鋒電位分離方案設計[D];南京郵電大學;2019年

3 趙坤W

本文編號：2771298