System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及信号处理,特别涉及一种信号处理方法、装置、设备及介质。
技术介绍
1、大脑中的神经元系统的特征是存在局部大脑区域,其中包含各种亚区域和复杂的微环路。每个亚区域内的这些不同神经元群体被认为执行特定的计算功能,在从感觉感知和决策到学习和记忆以及运动控制的过程中发挥着关键作用。了解参与这些信息处理任务的神经元和神经群体的复杂动力学,需要对来自不同大脑区域的单个神经元和多个神经群体水平上记录的信号进行分析。
2、目前,常见的研究方案是使用单个神经元神经响应与群体平均响应之间的皮尔逊相关系数值的大小,测量单个神经元与群体之间相关关系。然而,由于皮尔逊相关系数只是一个数值,得到的信息有限,在分析亚神经群体特性上存在局限性。
技术实现思路
1、有鉴于此,本申请的目的在于提供一种信号处理方法、装置、设备及介质,能够提升亚神经群体特性分析的全面性和准确性。其具体方案如下:
2、第一方面,本申请公开了一种信号处理方法,其特征在于,包括:
3、基于双光子钙成像技术获取神经群体中神经元的钙信号,并确定所述钙信号中隐藏的脉冲信号;
4、利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线;所述目标神经元为所述神经群体中的任一神经元;
5、基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应;
6、基于所述脉冲激发平均群体
7、可选的,所述利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线,包括:
8、对所述神经群体中目标神经元之外的所有神经元的脉冲信号进行累加,得到目标向量;
9、对所述神经群体中目标神经元之外的所有神经元的脉冲信号进行平均,得到基线;
10、对所述目标向量进行平滑,得到平滑曲线;
11、将所述平滑曲线减去所述基线,得到所述神经群体的平均发放率曲线。
12、可选的,所述对所述目标向量进行平滑,得到平滑曲线,包括:
13、利用高斯函数对所述目标向量进行平滑,得到平滑曲线。
14、可选的,所述基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应,包括:
15、遍历所述目标神经元的所有脉冲,基于每个脉冲的脉冲发放时间,并按照预设半宽参数从所述平均发放率曲线中截取轨迹,得到每个脉冲对应的轨迹;
16、对所述目标神经元对应的所有所述轨迹进行平均,得到所述目标神经元对应的脉冲激发平均群体响应。
17、可选的,所述确定所述钙信号中隐藏的脉冲信号,包括:
18、将所述钙信号输入目标深度神经网络模型,推理出所述钙信号中隐藏的脉冲信号。
19、可选的,所述目标深度神经网络模型的训练过程包括:
20、从训练样本集中获取训练样本和所述训练样本对应的标签数据;所述训练样本为神经元的钙信号,所述标签数据为神经元的真实脉冲信号;
21、将所述训练样本输入初始深度神经网络模型,得到输出结果;
22、基于所述输出结果和所述训练样本的标签数据,并利用泊松损失函数计算训练损失;
23、基于所述训练损失更新所述初始深度神经网络模型的模型参数,得到参数更新后的深度神经网络模型;
24、当满足训练停止条件,则将参数更新后的深度神经网络模型确定为所述目标深度神经网络模型。
25、可选的,所述目标深度神经网络模型为多层网络结构,其中,前三层均为卷积层,后两层均为全连接层。
26、第二方面,本申请公开了一种信号处理装置,包括:
27、钙信号获取模块,用于基于双光子钙成像技术获取神经群体中神经元的钙信号;
28、脉冲信号确定模块,用于确定所述钙信号中隐藏的脉冲信号;
29、平均发放率确定模块,用于利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线;所述目标神经元为所述神经群体中的任一神经元;
30、脉冲激发平均群体响应确定模块,用于基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应;
31、耦合强度确定模块,用于基于所述脉冲激发平均群体响应确定所述目标神经元与所述神经群体的耦合强度。
32、第三方面,本申请公开了一种电子设备,包括处理器和存储器;其中,
33、所述存储器,用于保存计算机程序;
34、所述处理器,用于执行所述计算机程序,以实现前述的信号处理方法。
35、第四方面,本申请公开了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述的信号处理方法。
36、可见,本申请先基于双光子钙成像技术获取神经群体中神经元的钙信号,并确定所述钙信号中隐藏的脉冲信号,之后利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线;所述目标神经元为所述神经群体中的任一神经元,然后基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应,最后基于所述脉冲激发平均群体响应确定所述目标神经元与所述神经群体的耦合强度。也即,本申请先从神经元的钙信号确定出脉冲信号,然后对于神经群体中的任一神经元,确定神经群体的平均发放率曲线,基于脉冲发放时间在平均发放率曲线中截取轨迹,从而确定出该神经元对应的脉冲激发平均群体响应,最后该神经元与所述神经群体的耦合强度。这样,基于脉冲发放时间截取轨迹,确定出脉冲激发平均群体响应,能够反映出脉冲发放时刻前后的耦合变化,并且能够确定出耦合强度,进而提升了亚神经群体特性分析的全面性和准确性。
本文档来自技高网...【技术保护点】
1.一种信号处理方法,其特征在于,包括:
2.根据权利要求1所述的信号处理方法,其特征在于,所述利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线,包括:
3.根据权利要求1所述的信号处理方法,其特征在于,所述对所述目标向量进行平滑,得到平滑曲线,包括:
4.根据权利要求1所述的信号处理方法,其特征在于,所述基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应,包括:
5.根据权利要求1至4任一项所述的信号处理方法,其特征在于,所述确定所述钙信号中隐藏的脉冲信号,包括:
6.根据权利要求5所述的信号处理方法,其特征在于,所述目标深度神经网络模型的训练过程包括:
7.根据权利要求1所述的信号处理方法,其特征在于,所述目标深度神经网络模型为多层网络结构,其中,前三层均为卷积层,后两层均为全连接层。
8.一种信号处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器和
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的信号处理方法。
...【技术特征摘要】
1.一种信号处理方法,其特征在于,包括:
2.根据权利要求1所述的信号处理方法,其特征在于,所述利用所述神经群体中目标神经元之外的所有神经元的所述脉冲信号确定所述神经群体的平均发放率曲线,包括:
3.根据权利要求1所述的信号处理方法,其特征在于,所述对所述目标向量进行平滑,得到平滑曲线,包括:
4.根据权利要求1所述的信号处理方法,其特征在于,所述基于所述目标神经元的脉冲发放时间从所述平均发放率曲线中截取轨迹,并基于所述轨迹确定所述目标神经元对应的脉冲激发平均群体响应,包括:
5.根据权利要求1至4任一项所述的信号处理方法,其特...
【专利技术属性】
技术研发人员:张慧锋,郑婷婷,罗贤涛,李加忠,于铁妹,潘俊锋,刘建,
申请(专利权)人:深圳瑞德林生物技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。