本發(fā)明涉及生物信息處理技術(shù)領(lǐng)域，具體涉及一種基于信息熵的神經(jīng)電活動相關(guān)性分析方法。

背景技術(shù)：

研究神經(jīng)信息的編碼與整合，及最終轉(zhuǎn)換成有意義知覺的神經(jīng)機(jī)理，是神經(jīng)科學(xué)的重要內(nèi)容之一。目前主要是用微電極陣列記錄神經(jīng)元群體的胞外電活動，通過分析特定行為任務(wù)下神經(jīng)元的放電行為，來解析神經(jīng)系統(tǒng)如何進(jìn)行“神經(jīng)元”的編碼和感知。

應(yīng)用在體多通道神經(jīng)信息采集系統(tǒng)，記錄的神經(jīng)電活動原始數(shù)據(jù)中包含了兩類不同模態(tài)的信息：神經(jīng)元集群發(fā)放spikes和局部場電位(localfieldpotentials，lfps)。在認(rèn)知過程中，這兩類不同模態(tài)的神經(jīng)電活動不僅都參加了對輸入信息(如工作任務(wù))的編碼；而且兩者之間的相關(guān)在實現(xiàn)某一種工作任務(wù)時加強(qiáng)，協(xié)同編碼了信息。因此探索多通道spike和lfp在認(rèn)知過程中是如何協(xié)同編碼的認(rèn)知機(jī)制，發(fā)展新型的神經(jīng)信息協(xié)同編碼理論和方法，是神經(jīng)科學(xué)、認(rèn)知科學(xué)和信息科學(xué)面臨的挑戰(zhàn)性科學(xué)問題。目前國內(nèi)外研究spike-lfp協(xié)同編碼的核心觀點是兩者在頻域的相干分析，即計算一個窗口中神經(jīng)元發(fā)放spike序列(離散的點過程)的頻譜和相應(yīng)通道的lfp頻譜，估計這個窗口中spike和lfp頻譜的相干。由于在記憶認(rèn)知過程中的神經(jīng)電活動，具有高度的非線性，因此研究兩類神經(jīng)信號之間的協(xié)同編碼，應(yīng)該從spike-lfp在頻域的相干和在時域非線性相關(guān)兩個方面共同考慮。信息熵是隨機(jī)事件的不確定性及信息量的量度，又可以反映由偏度、峰度代表的不規(guī)律性，能夠表征在特定時間一起協(xié)同工作的神經(jīng)元群體非線性動態(tài)特點，適用于神經(jīng)元電活動的非線性特點研究。應(yīng)用多通道神經(jīng)信息采集系統(tǒng)獲取的神經(jīng)電活動數(shù)據(jù)，在matlab平臺上提出神經(jīng)元集群發(fā)放編碼和局部場電位的熵編碼理論和算法，分別計算記憶過程神經(jīng)元集群發(fā)放的信息熵和局部場電位的信息熵，應(yīng)用信息熵來進(jìn)行記憶過程前額葉皮層神經(jīng)元群體的非線性信息處理；通過滑動窗口的動態(tài)信息熵，表征記憶過程神經(jīng)信息的動態(tài)編碼特點?；趦煞N不同模態(tài)信息的信息熵，應(yīng)用相關(guān)性分析研究記憶過程中兩種不同模態(tài)信息變化的相關(guān)性，表征記憶過程神經(jīng)信息的時空整合特點。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是，提供一種基于信息熵的神經(jīng)電活動相關(guān)性分析方法。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種基于信息熵的神經(jīng)電活動相關(guān)性分析方法，包括下列步驟：

(1)應(yīng)用多通道神經(jīng)信息采集系統(tǒng)獲取的神經(jīng)電活動數(shù)據(jù)；

(2)通過滑動窗口，分別計算記憶過程神經(jīng)元集群發(fā)放spikes的信息熵和局部場電位lfps的信息熵，應(yīng)用信息熵來進(jìn)行記憶過程前額葉皮層神經(jīng)元群體的非線性信息的動態(tài)編碼特點；

(3)基于兩種不同模態(tài)信息的信息熵，應(yīng)用相關(guān)性分析研究記憶過程中兩種不同模態(tài)信息變化的相關(guān)性。

所述步驟(2)中，計算記憶過程神經(jīng)元集群發(fā)放spikes的信息熵的步驟為：

1)獲取神經(jīng)元群體發(fā)放的間隔isi序列；

2)根據(jù)發(fā)放序列的特點，設(shè)定窄帶帶寬，再用等帶寬的連續(xù)窄帶分割isi序列，設(shè)窄帶個數(shù)為n，得到每個窄帶中包含的發(fā)放脈沖個數(shù)，si(i＝1,2,…,n)；

3)根據(jù)計算出第i個窄帶的概率，pi(i＝1,2,…,n)，再將pi代入中得到序列的熵值。

所述步驟(2)中，計算記憶過程局部場電位lfps的信息熵的步驟為：

1)首先根據(jù)時頻分析獲取記憶過程中l(wèi)fps的特征頻段，應(yīng)用帶通濾波器提取特征頻段；

2)對于lfp特征頻段信號，根據(jù)lfp幅值的分布，設(shè)定窄帶帶寬，再用等帶寬的連續(xù)窄帶分割lfp幅值序列，設(shè)窄帶個數(shù)為n，得到每個窄帶中包含的幅值個數(shù)，ai(i＝1,2,…,n)；

3)根據(jù)計算出第i個窄帶的概率pi(i＝1,2,…,n)，再將pi代入中得到序列的熵值。

通過優(yōu)化選取時間窗口移動步長l，滑動窗口(k＝1,2,…..n)直到神經(jīng)元群體放電時空序列結(jié)束為止；在每一步計算第k步的時間窗口內(nèi)神經(jīng)元集群發(fā)放的信息熵；通過窗口移動實現(xiàn)動態(tài)spike熵編碼；計算在整個時間歷程的神經(jīng)元發(fā)放熵的變化，表達(dá)整個時間歷程神經(jīng)元集群的熵編碼。

通過優(yōu)化選取時間窗口移動步長l，滑動窗口(k＝1,2,…..n)直到lfps序列結(jié)束為止，在每一步計算第k步的時間窗口內(nèi)lfps的信息熵；計算在整個時間歷程的lfps熵的變化，表達(dá)整個時間歷程lfps熵編碼。

所述步驟(2)中，通過滑動窗口內(nèi)信息熵的變化，動態(tài)地表征記憶過程神經(jīng)元電活動的編碼特點。

所述步驟(3)中，對spikes與lfps的熵值進(jìn)行相關(guān)分析，作出spikes-lfps熵值的動態(tài)相關(guān)地形圖；相關(guān)性分析用來描述兩個變量間的相關(guān)程度的大小，對于變量x1×n，y1×n，其相關(guān)系數(shù)計算公式如下：

其中i表示第i個窗口，xi,yi分別代表在第i個窗口內(nèi)spikes和lfps的熵，相關(guān)系數(shù)rxy知道兩個變量相關(guān)性的強(qiáng)弱。

本發(fā)明的有益效果是：利用多通道神經(jīng)信息采集記錄儀cerebus，結(jié)合matlab的數(shù)據(jù)處理功能，提出一種基于信息熵的神經(jīng)電活動相關(guān)性分析方法。本發(fā)明基于神經(jīng)信息多樣化的特點將非線性、模式分析方法相結(jié)合，應(yīng)用信息熵表征在特定時間一起協(xié)同工作的神經(jīng)元群體非線性動態(tài)特征，適用于神經(jīng)元電活動的非線性特點研究。在認(rèn)知過程中，不同模態(tài)的神經(jīng)電活動(局部場電位和鋒電位)之間的相關(guān)性加強(qiáng)，協(xié)同表征了認(rèn)知信息，發(fā)展了一種新型的神經(jīng)信息協(xié)同編碼方法。

附圖說明

圖1是本發(fā)明基于信息熵的神經(jīng)電活動相關(guān)性分析方法的流程圖。

圖2是實驗設(shè)計和實施圖((a)神經(jīng)信息采集的流程；(b)y迷宮工作記憶行為范式；(c)實驗的時間線設(shè)計；(d)大鼠前額葉皮層的定位)。

圖3是工作記憶中兩組大鼠前額葉皮層spikes與lfps(theta/gamma頻段)熵值的動態(tài)變化圖((a)spikes熵值的動態(tài)變化；(b)spikes熵的峰值比較；(c)spikes熵的均值比較；(d)theta頻段lfps熵值的動態(tài)變化；(e)theta頻段lfps熵的峰值比較；(f)theta頻段lfps熵的均值比較；(g)gamma頻段lfps熵值的動態(tài)變化；(h)gamma頻段lfps熵的峰值比較；(i)gamma頻段lfps熵的均值比較)

圖4是工作記憶中大鼠前額葉皮層spikes與theta\gamma頻段lfps熵值的動態(tài)相關(guān)圖((a)spikes與theta頻段lfps熵值的動態(tài)相關(guān)；(b)spikes與theta頻段lfps熵相關(guān)的峰值比較；(c)spikes與theta頻段lfps熵相關(guān)的變化比較；(d)spikes與gamma頻段lfps熵值的動態(tài)相關(guān)；(e)spikes與gamma頻段lfps熵相關(guān)的峰值比較；(f)spikes與gamma頻段lfps熵相關(guān)的變化比較)。

具體實施方式

如圖1所示，本發(fā)明的基于信息熵的神經(jīng)電活動相關(guān)性分析方法，包括下列步驟：

(1)應(yīng)用多通道神經(jīng)信息采集系統(tǒng)獲取的神經(jīng)電活動數(shù)據(jù)；

(2)通過滑動窗口，分別計算記憶過程神經(jīng)元集群發(fā)放spikes的信息熵和局部場電位lfps的信息熵，應(yīng)用信息熵來進(jìn)行記憶過程前額葉皮層神經(jīng)元群體的非線性信息的動態(tài)編碼特點；

(3)基于兩種不同模態(tài)信息的信息熵，應(yīng)用相關(guān)性分析研究記憶過程中兩種不同模態(tài)信息變化的相關(guān)性。

具體地說：

1.信息熵(shannon熵)的定義：

對于包含n個元素{xi}(i＝1,2,…，n)的序列，若其中第j個元素出現(xiàn)的概率為pi，則這個序列的shannon熵e被定義為：

當(dāng)公式(1)中的對數(shù)底為2時，熵的單位為比特(bit)；對數(shù)底為e時，熵的單位為奈特(nat)。

2.spike熵編碼的基本思路：

(1)獲取神經(jīng)元群體發(fā)放的間隔(inter-spikeinterval，isi)序列；

(2)根據(jù)發(fā)放序列的特點，設(shè)定窄帶帶寬，再用等帶寬的連續(xù)窄帶分割isi序列，設(shè)窄帶個數(shù)為n，得到每個窄帶中包含的發(fā)放脈沖個數(shù)，si(i＝1,2,…,n)；

(3)根據(jù)計算出第i個窄帶的概率pi(i＝1,2,…,n)，再將pi代入公式(1)中得到序列的熵值。

通過優(yōu)化選取時間窗口移動步長l，向前一步步移動時間窗口(k＝1,2,…，n)直到神經(jīng)元群體放電時空序列結(jié)束為止。在每一步計算第k步的時間窗口內(nèi)神經(jīng)元集群發(fā)放的信息熵。通過窗口移動實現(xiàn)動態(tài)spike熵編碼。計算在整個時間歷程的神經(jīng)元發(fā)放熵的變化，表達(dá)整個時間歷程神經(jīng)元集群的熵編碼。

3.lfp熵編碼的基本思路：

(1)首先根據(jù)時頻分析獲取記憶過程中l(wèi)fps的特征頻段，應(yīng)用帶通濾波器提取特征頻段。

(2)對于lfp(特征頻段)信號，根據(jù)lfp幅值的分布，設(shè)定窄帶帶寬，再用等帶寬的連續(xù)窄帶分割lfp幅值序列，設(shè)窄帶個數(shù)為n，得到每個窄帶中包含的幅值個數(shù)，ai(i＝1,2,…,n)；

(3)根據(jù)計算出第i個窄帶的概率pi(i＝1,2,…,n)，再將pi代入公式(1)中得到序列的熵值。

通過優(yōu)化選取時間窗口移動步長l，向前一步步移動時間窗口(k＝1,2,…..n)直到lfps序列結(jié)束為止，在每一步計算第k步的時間窗口內(nèi)lfps的信息熵。計算在整個時間歷程的lfps熵的變化，表達(dá)整個時間歷程lfps熵編碼。

4.spikes-lfps熵值相關(guān)的協(xié)同編碼

對spikes與lfps的熵值進(jìn)行相關(guān)分析，作出spikes-lfps熵值的動態(tài)相關(guān)地形圖。相關(guān)性分析可以用來描述兩個變量間的相關(guān)程度的大小。對于變量x1×n，y1×n，其相關(guān)系數(shù)計算公式如下：

其中i表示第i個窗口，xi,yi分別代表在第i個窗口內(nèi)spikes和lfps的熵，相關(guān)系數(shù)可以知道兩個變量相關(guān)性的強(qiáng)弱。

本發(fā)明應(yīng)用多通道神經(jīng)信息采集系統(tǒng)獲取的神經(jīng)電活動數(shù)據(jù)，在matlab平臺上提出神經(jīng)元集群發(fā)放編碼和局部場電位的熵編碼理論和算法，分別計算記憶過程神經(jīng)元集群發(fā)放的信息熵和局部場電位的信息熵，應(yīng)用信息熵來進(jìn)行記憶過程前額葉皮層神經(jīng)元群體的非線性信息處理；通過移動窗口的動態(tài)信息熵，表征記憶過程神經(jīng)信息的動態(tài)編碼特點。基于兩種不同模態(tài)信息的信息熵，應(yīng)用相關(guān)性分析研究記憶過程中兩種不同模態(tài)信息變化的相關(guān)性，表征記憶過程神經(jīng)信息的時空整合特點。

本發(fā)明基于matlab環(huán)境開發(fā)的，與專用數(shù)據(jù)分析系統(tǒng)相比，具有更強(qiáng)的通用性和可擴(kuò)展性。該系統(tǒng)工作穩(wěn)定，操作簡單，可以實時給出神經(jīng)元基本生理特性的定量分析結(jié)果，為實驗數(shù)據(jù)的進(jìn)一步分析和實驗方案的改進(jìn)提供了便利的參考信息。本發(fā)明能夠在實驗過程及離線后提供定量的神經(jīng)電活動信息熵和相關(guān)性變化信息，提高神經(jīng)電生理實驗的效率，開發(fā)了基于信息熵的實時神經(jīng)信息相關(guān)性分析的工具箱，為后期的深入數(shù)據(jù)分析提供參考。

本發(fā)明以多通道神經(jīng)信息采集記錄儀cerebus作為生物電信號采集系統(tǒng)，該系統(tǒng)通道dsp硬件模塊實現(xiàn)了數(shù)字信息的在線處理，包括放大、濾波，以及不同模態(tài)神經(jīng)信息提取和神經(jīng)元的分類(spikesorting)。生物電信號采集系統(tǒng)采集到的神經(jīng)元放電信號經(jīng)前置放大器放大，并進(jìn)行模數(shù)轉(zhuǎn)換后，經(jīng)過濾波后的原始波形和硬件分類后的動作電位的時間點(timestamps)通過高速數(shù)據(jù)接口輸入單位放電分析系統(tǒng)，貯存在專門數(shù)據(jù)存儲區(qū)，采圖單元central圖形采集模塊記錄神經(jīng)元，為用戶提供一個把專用系統(tǒng)(spike)和定制系統(tǒng)(raster)結(jié)合起來的平臺。

應(yīng)用matlab編程語言實現(xiàn)了大量數(shù)據(jù)分析。matlab單元直接從central記錄數(shù)據(jù)庫中讀取數(shù)據(jù)，包括原始波形、動作電位時間點、行為學(xué)參考點等，并在matlab單元中給出神經(jīng)信息的初步分析結(jié)果。用戶只需輸入分析的對象描述，包括本次實驗數(shù)據(jù)的文件名、特定數(shù)據(jù)段的編號，以及所存儲數(shù)據(jù)的標(biāo)注名稱，提供詳細(xì)的參數(shù)信息，如時間窗的大小、移動步長和計算的時間范圍等，就直接可以得到相應(yīng)的分析結(jié)果。分析結(jié)果直觀且便于進(jìn)一步分析。針對認(rèn)知過程中變化的序列，利用matlab實現(xiàn)了對認(rèn)知任務(wù)中神經(jīng)元電活動的實時和定量的評價。

下面結(jié)合具體實施例對本發(fā)明進(jìn)行詳細(xì)說明：

實施例：

1.生物電信號的采集

應(yīng)用生物電信號采集系統(tǒng)--多通道神經(jīng)信息采集記錄儀cerebus，采集正常組、記憶障礙(aβ模型)組大鼠在y迷宮工作記憶過程中前額葉皮層的的多通道神經(jīng)信息，具體如圖2所示?；趲V波器提取局部場電位lfps(0.3-500hz)和鋒電位spikes(250hz–5000hz)。

2.正常、記憶障礙(aβ模型)組前額葉皮層spikes、lfps熵值動態(tài)變化

從圖3中可以看出，正常組spikes熵在整個時間歷程中均高于模型組的熵。工作記憶過程中，正常組spikes熵、theta頻段lfps熵、gamma頻段lfps熵均增加，在行為事件參考點前達(dá)到峰值，然后下降至初始水平。經(jīng)過統(tǒng)計分析，正常組spikes熵的峰值(0.283±0.010)高于模型的熵的峰值(0.194±0.011)(p<0.05)；正常組spikes熵的均值(0.182±0.011)高于模型組熵的均值(0.148±0.011)。正常組theta頻段lfps熵的峰值(0.969±0.017)高于模型組熵的峰值(0.0749±0.016)(p<0.05)；熵的均值(0.373±0.010)高于模型組熵的均值(0.171±0.006)。正常組gamma頻段lfps熵的峰值(0.962±0.010)高于模型的峰值(0.936±0.010)(p<0.05)；熵的均值(0.223±0.011)高于模型組熵的均值(0.193±0.011)。

3.spikes與theta/gamma頻段lfps熵值的動態(tài)相關(guān)分析

如圖4所示，與模型組相比，正常組spikes與theta/gamma頻段lfps熵值均具有較強(qiáng)的相關(guān)性。經(jīng)過統(tǒng)計分析，正常組spikes與theta頻段lfps相關(guān)的峰值(0.400±0.009)高于模型組的相關(guān)值(0.237±0.010)(p<0.05)。正常組spikes與theta頻段lfps相關(guān)的變化(0.098±0.016)高于模型組相關(guān)的變化(0.042±0.017)。正常組spikes與gamma頻段lfps相關(guān)的峰值(0.413±0.009)高于模型組的相關(guān)值(0.244±0.011)(p<0.05)。正常組spikes與gamma頻段lfps相關(guān)的變化(0.089±0.016)高于模型組相關(guān)的變化(0.040±0.016)。

綜上所述，本發(fā)明的內(nèi)容并不局限在上述的實施例中，相同領(lǐng)域內(nèi)的有識之士可以在本發(fā)明的技術(shù)指導(dǎo)思想之內(nèi)可以輕易提出其他的實施例，但這種實施例都包括在本發(fā)明的范圍之內(nèi)。