【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于自适应树的时空增强神经电脉冲信号聚类方法、系统、终端及计算机可读存储介质。
技术介绍
1、在过去的数十年中，神经元及神经元之间交互作用的研究已引起了大部分科学家的极大兴趣。这种趋势催生了一系列新的科学领域，包括认知神经科学、计算神经科学以及颅内脑-计算机接口（ibci，intracortical brain-computer interface，皮层内脑机接口技术）。这些研究领域不仅增进了人们对大脑运作方式的理解，也为许多神经系统疾病的治疗提供了新的可能性和方法。
2、针对神经元的研究主要依赖于通过微制电极阵列记录神经元群体的细胞外电生理数据。这些数据能够揭示被记录的神经元活动与其直接可感知的反应之间的特定关联性。例如，科研人员可以通过这种方式来探索和解码大脑如何处理和解释从感官接收到的信息。这种特定的映射关系为理解大脑的复杂网络提供了重要的线索，并可能有助于开发更有效的治疗策略来应对各种神经系统疾病。因此这也促进了硅技术的进步和大规模集成电路的出现。
3、目前可以通过多电极阵列和硅探针获得数百到数千个神经元的电生理记录。而如何从这些高通量神经电生理记录中对检测出来的神经电脉冲信号定位它们来源于哪一个假定的神经元是神经电脉冲信号分选的核心内容，并且脉冲信号重叠（overlap）的情况是神经电脉冲信号分选的重点难题。这项技术能够使研究人员在更大的尺度上观察和理解大脑的工作机制，这种技术的进步无疑为神经科学研究开辟了新的可能性。
4、当前被广泛使用的是一些无
5、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种基于自适应树的时空增强神经电脉冲信号聚类方法、系统、终端及计算机可读存储介质，旨在解决现有技术中无监督学习方法需要用户自定义阈值或者指定聚类的神经元个数，需要大量的计算资源，对数据质量和噪声水平的要求较高，且没有处理脉冲信号重叠的情况，导致神经电脉冲信号分选不准确的问题。
2、为实现上述目的，本专利技术提供一种基于自适应树的时空增强神经电脉冲信号聚类方法，所述基于自适应树的时空增强神经电脉冲信号聚类方法包括如下步骤：
3、获取电生理记录，将所述电生理记录进行预处理得到目标白化数据，根据阈值对所述目标白化数据进行检测，得到神经电脉冲信号；
4、对每个神经电脉冲信号的动作电位和时空信息进行时空增强，得到对比神经电脉冲信号，所述时空信息包括被检测到时所在电极位置以及探针编号、发放时的时间戳；
5、对神经电脉冲信号以及对比神经电脉冲信号的动作电位和时空信息进行信息嵌入，对嵌入的神经电脉冲信号和相应的对比神经电脉冲信号的动作电位和时空信息进行编码，得到编码后的信号；
6、将编码后的信号输入到自适应树形结构，输出神经电脉冲信号聚类结果，以实现自适应神经电脉冲信号聚类。
7、可选地，所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其中，所述预处理包括滤波、去共模和白化；
8、所述获取电生理记录，将所述电生理记录进行预处理得到目标白化数据，具体包括：
9、获取电生理记录，通过滤波器对所述电生理记录进行滤波处理，得到预设频率范围内的滤波数据，滤波器的频率响应h(f)为：
10、h(f)=1/sqrt(1+(b/f)(2n))-1/sqrt(1+(a/f)(2n))；
11、其中，f表示频率，n代表滤波器的阶数，决定通带和阻带之间转换的陡度，sqrt表示平方根，a和b表示滤波器的下截止频率和上截止频率；
12、将滤波器应用于电生理记录x(t)以获得滤波后的滤波数据y(t)：
13、y(t)=x(t)*f-1{h(f)}；
14、其中，f-1表示傅立叶反变换，*表示卷积操作；
15、消除由电极移动或电流泄漏引起的电场变化，将滤波数据y(t)进行去共模，去除滤波数据y(t)中的公共噪声成分：
16、y'(i,t)=y(i,t)-median{y(j,t)|for all j}；
17、其中，i表示所在电极，t表示采样时间，median表示求中位数，j表示所有电极的索引，y(i,t)表示在电极i上采样时间为t的经过滤波后的信号，y(j,t)表示在电极j上采样时间为t的经过滤波后的信号，j的取值范围是[1，总电极数]，y'(i,t)表示对y(i,t)去共模后的电极i上的信号；
18、将y'(i,t)进行白化，计算样本数据协方差矩阵的特征值和特征向量，构造白化矩阵，将y'(i,t)乘以白化矩阵得到白化后的目标白化数据y''(i, t)。
19、可选地，所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其中，所述计算样本数据协方差矩阵的特征值和特征向量，构造白化矩阵，将y'(i,t)乘以白化矩阵得到白化后的目标白化数据y''(i, t)，具体包括：
20、计算样本数据协方差矩阵的特征值和特征向量：
21、[v,d]=eig(cov(y'(i,t)))；
22、其中，v表示包含所有特征向量的矩阵，d表示对角矩阵，eig表示求特征值和特征向量，cov表示求协方差；
23、构造白化矩阵wzca：
24、wzca=vd(-1/2)vt；
25、其中，vt表示将v进行转置操作；
26、得到白化后的目标白化数据y''(i,t)：
27、y''(i,t)=y'(i,t)wzca。
28、可选地，所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其中，所述根据阈值对所述目标白化数据进行检测，得到神经电脉冲信号，具体包括：
29、预先设定一个阈值ζ，所述阈值ζ根据各个电极上采集到的电压计算得到，阈值ζ被设定为中位数的倍数，阈值ζ计算为：
30、ζ=median(|y''(i,t)|)/0.6745；
31、根据阈值ζ对所述目标白化数据进行检测，本文档来自技高网...
【技术保护点】
1.一种基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述基于自适应树的时空增强神经电脉冲信号聚类方法包括：
2.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述预处理包括滤波、去共模和白化；
3.根据权利要求2所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述计算样本数据协方差矩阵的特征值和特征向量，构造白化矩阵，将Y'(i,t)乘以白化矩阵得到白化后的目标白化数据Y''(i, t)，具体包括：
4.根据权利要求3所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述根据阈值对所述目标白化数据进行检测，得到神经电脉冲信号，具体包括：
5.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述动作电位的时空增强包括：振幅扩展、横向位移、随机噪声添加、重叠添加和基线漂移；所述时空信息的时空增强为对被检测到时所在电极位置以及探针编号、发放时的时间戳进行变换。
6.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚
7.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述将编码后的信号输入到自适应树形结构，输出神经电脉冲信号聚类结果，以实现自适应神经电脉冲信号聚类，具体包括：
8.一种基于自适应树的时空增强神经电脉冲信号聚类系统，其特征在于，所述基于自适应树的时空增强神经电脉冲信号聚类系统包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于自适应树的时空增强神经电脉冲信号聚类程序，所述基于自适应树的时空增强神经电脉冲信号聚类程序被所述处理器执行时实现如权利要求1-7任一项所述的基于自适应树的时空增强神经电脉冲信号聚类方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于自适应树的时空增强神经电脉冲信号聚类程序，所述基于自适应树的时空增强神经电脉冲信号聚类程序被处理器执行时实现如权利要求1-7任一项所述的基于自适应树的时空增强神经电脉冲信号聚类方法的步骤。
...【技术特征摘要】
1.一种基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述基于自适应树的时空增强神经电脉冲信号聚类方法包括：
2.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述预处理包括滤波、去共模和白化；
3.根据权利要求2所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述计算样本数据协方差矩阵的特征值和特征向量，构造白化矩阵，将y'(i,t)乘以白化矩阵得到白化后的目标白化数据y''(i, t)，具体包括：
4.根据权利要求3所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述根据阈值对所述目标白化数据进行检测，得到神经电脉冲信号，具体包括：
5.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述动作电位的时空增强包括：振幅扩展、横向位移、随机噪声添加、重叠添加和基线漂移；所述时空信息的时空增强为对被检测到时所在电极位置以及探针编号、发放时的时间戳进行变换。
6.根据权利要求1所述的基于自适应树的时空增强神经电脉冲信号聚类方法，其特征在于，所述对神经电脉冲信号以及对比神经电脉冲信号的动...
【专利技术属性】
技术研发人员：刘菱，马良，胡正伟，李骁健，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。