视网膜神经节细胞激活状态的判别方法、存储介质和设备技术

本发明专利技术公开一种视网膜神经节细胞激活状态的判别方法及、存储介质和设备。所述判别方法包括：获取视网膜神经节细胞的原始电刺激信号，并进行预处理；采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号；对所述动作电位信号进行聚类处理，确定细胞的类别；统计在预定时间段内每个类别的细胞在电刺激后的动作电位发放频率达到标准阈值的次数，并根据所述次数判别每个类别的细胞的激活状态。提出了一种系统化的判别方法，检测算法能够保证检测的准确性以及处理速度，并对动作电位进行自动聚合分类，从而确定细胞的类别，并进一步确定每个细胞的激活状态。并进一步确定每个细胞的激活状态。并进一步确定每个细胞的激活状态。

【技术实现步骤摘要】
视网膜神经节细胞激活状态的判别方法、存储介质和设备


[0001]本专利技术属于信号处理
，具体地讲，涉及视网膜神经节细胞激活状态的判别方法、计算机可读存储介质、计算机设备。

技术介绍

[0002]光感受器细胞退化的病人仍能保留视网膜的某些生理结构和功能，可以对视网膜神经节层进行电刺激来激发其余视网膜神经元的神经活动，通过简单的方法来恢复病人的视觉功能。其中，电刺激策略研究是衡量人造视网膜性能的关键部分。在电刺激策略中，视网膜神经节细胞(RGC)的响应分析是研究刺激策略的核心问题。细胞响应信号没有特定的发放模式，难以在短时间内完成响应情况的分析。因此，一种快速、有效的电响应分析方法成为电刺激策略研究的技术难点。

技术实现思路

[0003](一)本专利技术所要解决的技术问题
[0004]如何提供一种对视网膜神经节细胞的激活情况进行快速且有效的系统化分析方法。
[0005](二)本专利技术所采用的技术方案
[0006]一种视网膜神经节细胞激活状态的判别方法，所述判别方法包括：
[0007]获取视网膜神经节细胞的原始电刺激信号，并进行预处理；
[0008]采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号；
[0009]对所述动作电位信号进行聚类处理，确定细胞的类别；
[0010]统计在预定时间段内每个类别的细胞在电刺激后的动作电位发放频率达到标准阈值的次数，并根据所述次数判别每个类别的细胞的激活状态。
[0011]优选地，采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号的具体方法包括：
[0012]对预处理后的原始电刺激信号进行高通滤波处理，获得第一层近似系数；
[0013]利用上采样的高通滤波器处理第一层近似系数中，获得第二层近似系数；
[0014]采用非线性能量算子分别对所述第一层近似系数和所述第二层近似系数进行降噪处理，得到第一待检测信号和第二待检测信号；
[0015]将所述第一待检测信号和所述第二待检测信号进行叠加并进行尖峰检测，以获得动作电位信号。
[0016]优选地，采用非线性能量算子对所述第一层近似系数进行降噪处理，得到第一待检测信号的方法包括：
[0017]采用公式(1)对所述第一层近似系数的每个时刻的值进行重新计算：
[0018]ψ（x(t))＝x2(t)-x(t-1)x(t+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)，
[0019]x(t)为t时刻的第一层近似系数的值，ψ(x(t))为重新计算后的信号幅值；
[0020]采用平滑窗口对重新计算后的信号幅值进行卷积处理；
[0021]对卷积处理得到的结果进行求和处理，得到第一待检测信号。
[0022]优选地，将所述第一待检测信号和所述第二待检测信号进行叠加并进行尖峰检测的方法包括：
[0023]将相同时刻的所述第一待检测信号的值和所述第二待检测信号的值分别进行相加，获得待检测叠加信号；
[0024]将待检测叠加信号中大于或等于阈值的信号幅值进行保留，获得动作电位信号。
[0025]优选地，对所述动作电位信号进行聚类处理，确定细胞的类别的具体方法包括：
[0026]对所述动作电位信号进行特征提取，获得小波包系数；
[0027]利用轮廓系数方法并根据小波包系数计算得到簇数；
[0028]将小波包系数和簇数作为K均值聚类算法的输入进行聚类处理，以确定细胞的类别。
[0029]优选地，每个类别的细胞的动作电位发放频率达到标准阈值的确定方法为：
[0030]若在电刺激后的第一预定时间段内的动作电位发放频率为在电刺激前的第二预定时间段内的动作电位发放频率三倍及以上，则确定该次动作电位发放频率达到标准阈值。
[0031]优选地，所述第一预定时间段为电刺激后的300毫秒，所述第二预定时间段为电刺激前的100毫秒。
[0032]本申请还公开了一种视网膜神经节细胞激活状态的判别装置，其中，所述判别装置包括：
[0033]数据获取模块，用于获取视网膜神经节细胞的原始电刺激信号，并进行预处理；
[0034]电位检测模块，用于采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号；
[0035]分类模块，用于对所述动作电位信号进行聚类处理，确定细胞的类别；
[0036]激活判断模块，用于统计在预定时间段内每个类别的细胞在电刺激后的动作电位发放频率达到标准阈值的次数，并根据所述次数判别每个类别的细胞的激活状态。
[0037]本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质存储视网膜神经节细胞激活状态的判别程序，所述视网膜神经节细胞激活状态的判别程序被处理器执行时实现上述的视网膜神经节细胞激活状态的判别方法。
[0038]本专利技术还公开了一种计算机设备，所述计算机设备包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的视网膜神经节细胞激活状态的判别程序，所述视网膜神经节细胞激活状态的判别程序被处理器执行时实现上述的视网膜神经节细胞激活状态的判别方法。
[0039](三)有益效果
[0040]本专利技术公开了一种视网膜神经节细胞激活状态的判别方法，相对于传统的方法，具有如下技术效果：
[0041]提出了一种系统化的判别方法，检测算法能够保证检测的准确性以及处理速度，并对动作电位进行自动聚合分类，从而确定细胞的类别，并进一步确定每个类别的细胞的
激活状态。
附图说明
[0042]图1为本专利技术的实施例一的视网膜神经节细胞激活状态的判别方法的流程图；
[0043]图2为本专利技术的实施例一的视网膜神经节细胞激活状态的判别过程的整体框架图；
[0044]图3为本专利技术的实施例一的原始电刺激信号预处理示意图；
[0045]图4为本专利技术的实施例一的动作电位信号的检测流程图；
[0046]图5为本专利技术的实施例一的预处理之后的原始电刺激信号至动作电位信号的变化示意图；
[0047]图6为本专利技术的实施例一的平稳小波变换的分解过程图；
[0048]图7为本专利技术的实施例一的动作电位检测中阈值设定示意图；
[0049]图8为本专利技术的实施例一的轮廓系数计算过程示意图；
[0050]图9为本专利技术的实施例一的细胞激活状态判断过程示意图；
[0051]图10为本专利技术的实施例一的动作电位分布直方图；
[0052]图11为本专利技术的实施例一的视网膜神经节细胞激活状态的判别装置的原理框图；
[0053]图12为本专利技术的实施例的计算机设备原理框图。
具体实施方式
[0054]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。...

【技术保护点】

【技术特征摘要】
1.一种视网膜神经节细胞激活状态的判别方法，其特征在于，所述判别方法包括：获取视网膜神经节细胞的原始电刺激信号，并进行预处理；采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号；对所述动作电位信号进行聚类处理，确定细胞的类别；统计在预定时间段内每个类别的细胞在电刺激后的动作电位发放频率达到标准阈值的次数，并根据所述次数判别每个类别的细胞的激活状态。2.根据权利要求1所述的视网膜神经节细胞激活状态的判别方法，其特征在于，采用预设检测算法对预处理后的原始电刺激信号进行检测，以获得动作电位信号的具体方法包括：对预处理后的原始电刺激信号利用高通滤波器处理，获得第一层近似系数；利用上采样的高通滤波器处理第一层近似系数中，获得第二层近似系数；采用非线性能量算子分别对所述第一层近似系数和所述第二层近似系数进行降噪处理，得到第一待检测信号和第二待检测信号；将所述第一待检测信号和所述第二待检测信号进行叠加并进行尖峰检测，以获得动作电位信号。3.根据权利要求2所述的视网膜神经节细胞激活状态的判别方法，其特征在于，采用非线性能量算子对所述第一层近似系数进行降噪处理，得到第一待检测信号的方法包括：采用公式(1)对所述第一层近似系数的每个时刻的值进行重新计算：ψ(x(t))＝x2(t)-x(t-1)x(t+1)
ꢀꢀꢀꢀ
(1)，x(t)为t时刻的第一层近似系数的值，ψ(x(t))为重新计算后的信号幅值；采用平滑窗口对重新计算后的信号幅值进行卷积处理；对卷积处理得到的结果进行求和处理，得到第一待检测信号。4.根据权利要求2所述的视网膜神经节细胞激活状态的判别方法，其特征在于，将所述第一待检测信号和所述第二待检测信号进行叠加并进行尖峰检测的方法包括：将相同时刻的所述第一待检测信号的值和所述第二待检测信号的值分别进行相加，获得待检测叠加信号；将待检测叠加信号中大于或等于阈值的信号幅值进行保留，获得动作电位信号。5.根据权利要求1...

【专利技术属性】
技术研发人员：吴天准，李婉莹，王昊，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：