[發明專利]一種基于神經擬態計算的在線神經元分類方法

有效

• 申請號: 202210849758.7
• 申請日: 2022-07-20
• 公開（公告）號: CN114925734B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 祁玉;余航;潘綱
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;A61B5/372;A61B5/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 彭劍

本發明公開了一種基于神經擬態計算的在線神經元分類方法，將大腦皮層采集的神經元鋒電位信號通過場編碼轉換成脈沖信號，借助脈沖神經網絡分類不同波形及對應時間戳，實現在線神經元鋒電位信號分類；同時，通過脈沖神經網絡在線更新方法，適應神經元鋒電位波形的在線變化，提升長時在線神經元鋒電位分類準確性。本方法具有較快計算速度，可以提升鋒電位分類流程的速度，在不同數據集上的分類保持較高的一致性，且有助于植入芯片的部署。

技術領域

本發明涉及腦電信號鋒電位分類解碼領域，尤其是涉及一種基于神經擬態計算的在線神經元分類方法。

背景技術

鋒電位分類是神經信號數據處理和分析中一個復雜但必不可少的步驟。監測單個神經元活動有助于我們更好地了解與分析大腦行為機制。通常用電極記錄的神經信號包含來自附近幾個神經元的放電活動以及背景噪聲，因此鋒電位分類的任務是將單個神經元的放電活動從彼此之間以及背景噪聲中分離出來，然后可以將單個神經元活動用于神經科學進行進一步分析。

為了解決鋒電位分類問題，幾十年來科學家提出了各種方法，從人工分類，到計算機輔助半自動分類方法，再到完全自動算法。

通常人工分類從視覺分類角度區分鋒電位。隨著采集設備的發展，大規模集成電極陣列的出現，人工鋒電位分類變得愈發費時費力。一些電極設備甚至包含上萬個電極通道，這完全超出了人工分類的極限。此外，人工鋒電位分類的結果受分類專家主觀性影響，不同專家得到的結果一致性存在差異。

為了緩解上述的問題，神經科學家借助自動化軟件和算法，以提高鋒電位分類的準確性與一致性。

從機器學習的角度來看，鋒電位分類模仿人類專家的行為，通過區分波形來對不同神經元活動進行分類。目前大量基于特征的方法用以強化鋒電位波形特征，例如：主成分分析，小波分解，拉普拉斯特征圖等。然而考慮到鋒電位波形的變化與噪聲干擾，其中大多數通常是不準確的，因此他們主要用作輔助步驟，提供粗略的分類結果以加速人工分類過程，即半自動鋒電位排序方法。

理想情況下，鋒電位分類應該是一個自動、即插即用、并且具有強魯棒性的過程，能夠糾正探針偏移或細胞變形帶來的分類錯誤，可以用于長期記錄。目前神經科學家已經能夠在腦內放入上千通道的探針用以同時記錄神經元活動。但隨著電極通道數目的爆發式增長，如何通過有限的帶寬傳輸海量的信號也成為一個瓶頸。一個理想的解決方案是直接在大腦附近進行鋒電位分類，并只將分類結果進行傳輸。然而大腦對溫度非常敏感，傳統芯片運行產生的熱量會對組織造成不可逆轉的傷害。因此，低功耗的神經芯片是一個可行的選擇，基于神經芯片形態的鋒電位分類算法有望解決這個問題，并實現顱內腦機接口。

發明內容

本發明提供了一種基于神經擬態計算的在線神經元分類方法，針對鋒電位信號分類中信號中手工分類速度慢，不同專家分類結果不一致且需要花費較長時間的問題，一定程度上提升了鋒電位分類流程的速度，在不同數據集上的分類保持較高的一致性，且有助于植入芯片的部署。

一種基于神經擬態計算的在線神經元分類方法，包括以下步驟：

（1）獲取原始多通道神經信號，經過帶通濾波去除低頻的局部場電位，對每個通道的神經信號進行白化預處理和偽跡去除；

（2）在每一個信號通道上檢測并對齊候選鋒電位，具體為：使用非線性能量算子計算離散信號每個位置的能量強度，超過閾值的一段時間窗被判定為候選鋒電位，然后根據尖峰位置對齊候選鋒電位；

（3）構建脈沖神經網絡，脈沖神經網絡的第一層為感知層，第二層為認知層，認知層上的每個神經元以全連接的方式連接感知層神經元并動態更新連接突觸；

（4）利用脈沖神經網絡的感知層對候選鋒電位進行脈沖編碼，將輸入的候選鋒電位每個時間點的離散信號以高斯感受野編碼方式映射到一組脈沖序列；