局部场电位和微分特性影响下神经元网络发放锋电位的检测

在利用多电极阵列(multielectrode arrays,MEA)记录离体培养海马神经元网络的电生理研究中,发现电极附近神经元群体同步放电形成了局部场电位(local field potential,LFP),同时细胞外记录信号为跨膜电压信号的微分,这些因素使检测网络发放的锋电位遇到困难。为正确检测锋电位(spike),在综合比较多种检测方法的基础上,提出一种改进的峰值检测法,以0.6ms为判决阈值,有效解决了原峰值检测法因滑动窗分界导致的重复检测。通过该方法检测发育成熟的网络发放的锋电位,虚警率和漏报率分别为:5%±1%和2%±1%,效果优于传统的阈值检测法。上述结果表明,改进的方法适合于神经元网络电活动的研究。

海马神经细胞网络传感器及其记录5-HT对网络活动的作用

海马神经网络活动在调节记忆和学习等行为中具有重要作用,而五羟色胺是调节此类行为的重要神经递质。目前,某些研究手段揭示了5-HT对海马神经元活动的作用,但是这些手段并没有直观展示海马神经元网络的电生理活动。因此,为了研究5-HT在体外海马神经元网络活动中的作用,本实验建立了微电极阵列(Microelectrode Array,MEA)的检测平台。利用60通道MEA芯片,可以实时无损地记录5-HT作用前后的多位点信号,实验结果证明5-HT对海马神经元的动作电位有抑制作用,但是对低频振荡没有明显变化。该实验表明,这种海马神经元网络传感器可以对神经元进行无损、长时间的记录。上述研究结果表明,这种新的细胞网络传感器有望成为神经元网络活动研究中的一种重要手段。

基于径向基函数神经网络的多电极阵列信号脉冲电位的分类

通过径向基函数神经网络的分析,对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测,获得脉冲电位信号样本,以主成分进行预分类,选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本,让神经网络进行自适应学习,以实现对原始信号的分类。仿真结果表明,在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。

体外培养神经元网络功能结构的长时间发育变化

神经功能结构的建立和维持是学习与记忆等高级功能的基础.因神经网络的结构错综复杂,节点行为多变且受多种因素的影响,目前其拓扑结构的形成和维持机制尚不清楚.基于多电极阵列系统,本研究连续记录了体外长时间培养的海马神经元网络的自发放电活动;利用不同电极放电序列之间的互相关系数映射功能连接强度,构建网络拓扑结构图,分析其发育特性.对培养1～18周的3个样本的分析结果显示,网络拓扑结构的形成和维持具有自组织和自解离特性:网络连接建立期(1～3周),邻近节点之间建立连接,形成局域微网络;随着网络的发育,逐步形成多节点的复杂功能结构;发育成熟期(12周后),功能连接开始消退,部分节点脱离网络,网络聚集程度增加.不同发育时期网络各节点连接强度的分布均符合幂率分布,表明无外界输入的培养神经元网络是具有无尺度特征的复杂网络.本研究有助于复杂神经网络结构的形成及维持机制分析,为研究神经发育和神经系统信息处理机制提供新的视野.

一种获取锋电位的峰值检测算法的改进方案

在利用多电极阵列细胞外记录的海马神经元网络电生理研究中,为了能正确检测锋电位,在详细阐述阈值和峰值检测两种算法的基础上,对后者作了改进,解决了其滑动窗口分界导致的重复检测,提高了正确率,明显加快了获取锋电位的速度。

JPSTH两种修正方法的比较与分析

联合刺激后时间直方图(JPSTH)能够反映神经元之间相关性的动态改变,是神经元信号处理中常用的处理方法。原始联合刺激后直方图(rawJPSTH)只是简单描述了两个锋电位序列之间的相关性。归一化联合刺激后直方图(Normalized JPSTH)和移位修正后联合刺激后直方图是对原始JPSTH的修正。本文用多电极记录海马神经元网络信号,对JPSTH的两种修正方法进行了较为深入的比较和分析。

移位修正JPSTH算法的归一化修正

针对移位修正联合刺激后时间直方图的处理结果依赖于具体实验数据的不足,本文提出了一种改进算法,对移位修正联合刺激后时间直方图进行归一化处理。将该方法应用于多电极阵列细胞外记录的海马神经元网络电刺激后的响应信号的分析,结果表明,该方法在神经元网络连接状态不变而具体实验数据不同的情况下,能准确体现神经元网络的连接状态。