导读:本文包含了视顶盖论文开题报告文献综述及选题提纲参考文献，主要关键词:视顶盖,Spike,感受野,发放率
视顶盖论文文献综述
闫文明[1]（2019）在《基于鸽视顶盖神经元动作电位信号的颜色字符重建研究》一文中研究指出采用重建感知信息的方式进行神经科学的研究是一种有效方式。颜色是物体、环境具备的一条自然属性,利用神经元动作电位信号实现颜色字符刺激的重建对解析视觉系统关于颜色信息的处理机制具有重要意义。鸽子具有优秀的颜色信息感知能力,视顶盖(the Optic Tectum,OT)是鸽子处理颜色信息的关键神经核团。基于利用重建方式解析神经元编码机制的目的,本文设计了不同的颜色字符刺激模式,采集了鸽子视顶盖神经元动作电位响应信号(Spike),分析了不同颜色棋盘格刺激下的神经元感受野特性,并在此基础上根据神经元响应构建了颜色信息重建模型,实现了不同颜色字符的重建,解析了鸽子OT区神经元对颜色信息处理的神经机制。本文的主要工作以及研究结果如下:(1)分析了鸽子OT区神经元的颜色感受野特性鸽子OT区神经元感受野内接受颜色刺激是神经电信号有效发放的前提。本文选取了HSV颜色空间模型中具有代表性的红色(Red,R),绿色(Green,G),蓝色(Blue,B)作为基本颜色,设计了白底红、白底绿、白底蓝、绿底红、蓝底红、红底绿、蓝底绿、红底蓝、绿底蓝类型的颜色棋盘格模式,并采用反向相关法(spikes-triggered average,STA)结合高斯拟合的方式测定感受野。以白底红棋盘格刺激的感受野为基础比较发现,白底绿刺激感受野的中心位置相对偏差为2.1902±0.3656mm,半径相对偏差为3.3648±0.1982mm,白底蓝刺激的中心位置相对偏差为2.0690±0.3953mm,半径相对偏差为2.9564±0.6217mm。对于不同背景下的棋盘格实验,经过分析发现,神经元感受野中心位置的最小相对偏差为1.4560±0.2317mm,最大中心位置偏差为2.9085±0.4402mm,感受野半径最小偏差为1.2875±0.4525mm,感受野半径最大偏差为4.3955±0.5562mm。以上分析说明不同颜色刺激下感受野的位置和大小发生了改变,因此需要在重建实验中及时调整刺激播放位置以克服感受野位置和大小变化对实验数据造成影响。(2)提取了神经元动作电位响应特征并构建了重建模型提取能够有效表征颜色视觉刺激的神经元响应特征是重建的前提。本文对B、N、空心叁角形、空心圆、十字架五种字符图像分别设计了白色背景红色字符(W-R)、白色背景绿色字符(W-G)、白色背景蓝色字符(W-B)、红色背景绿色字符(R-G)、红色背景蓝色字符(R-B)、绿色背景红色字符(G-R)、绿色背景蓝色字符(G-B)、蓝色背景红色字符(B-R)、蓝色背景绿色字符(B-G)类型的字符刺激模式。提取了神经元集群Spike信号发放率特征并利用主成分分析法(PCA)对响应特征矩阵降维,并将响应特征矩阵与线性逆滤波器算法(Linear Inverse Filter,LIF),随机森林算法(Random Forest,RF)和卷积神经网络算法(Convolutional Neural Networks,CNN)结合分别构建了颜色字符重建模型。(3)选取了重建模型参数并重建了颜色字符图像,解析了OT区神经元的颜色信息处理机制重建模型参数的选取有利于提高模型的性能。对于参与重建的神经元通道,文中采用信息论和重建正确率两种方式对神经元通道进行了选取。对于刺激持续时间(T)、刺激后开始时间(delay)和时间窗口(bin)等参数,采用网格搜索法和交叉检验法的联合方法进行选取,利用选取的参数构建了性能更优的重建模型。对于颜色字符重建结果的分析,首先,利用重建模型分别对颜色字符进行重建,其中LIF重建模型的最高重建正确率达到0.9778,RF模型最高正确率达到0.9675,CNN模型最高重建正确率达到0.9822,这说明发放率特征能够表征颜色信息。然后,对颜色字符重建结果通过方差分析(ANOVA)发现:白色背景下的颜色字符刺激重建结果之间并没有显着性差异。对不同背景下的字符刺激重建结果进行分析发现,当字符为红色时,各颜色背景重建结果无显着性差异。当字符为蓝色时,红色背景削弱了蓝色的刺激响应。当字符为绿色时,蓝色背景增强了绿色的视觉刺激效果。最后,对不同颜色组合下的字符刺激进行分析发现,红底蓝(R-B)和蓝底红(B-R)类型字符与蓝底绿(B-G),绿底蓝(G-B)和红底绿(R-G)类型字符的重建结果存在显着性差异,这表明蓝色与红色两种颜色相互影响,削弱了颜色刺激强度。(本文来源于《郑州大学》期刊2019-05-01）
焦兴洋[2]（2019）在《基于鸽视顶盖LFP信号的图像重建软件系统设计与实现》一文中研究指出目前动物机器人的研究主要集中在刺激动物特定脑区进而控制动物行为。视觉系统作为动物感知外界环境信息的主要感官系统,视觉感知信息占感知信息的80%以上。鸟类具有发达的视觉系统,利用脑机接口技术获取视觉系统神经元信号并重建外部视觉输入,对动物机器人利用视觉系统进行救援侦察任务有着重要意义。本文以鸽子为研究对象,设计并实现了基于鸽子视顶盖(The Optic Tectum,OT)神经元响应信号的图像重建软件系统。该系统以图像作为视觉输入,利用多通道微电极阵列采集视顶盖神经元响应信号并分离出局部场电位(Local Filed Potential,LFP)信号,提取LFP信号频域内的幅值相位特征,构建图像与LFP信号之间的重建模型,最终实现图像重建。本文主要完成的工作以及相应的研究结果如下:(1)设计了图像重建软件系统分析了鸽视觉系统的特点,归纳了重建系统的设计原理,结合OT区神经元信号的获取要求以及后续信号处理过程总结了系统的设计需求。根据系统设计原理与设计需求,提出了图像重建软件系统的整体设计方案,方案将重建系统分为神经元信号采集分析和图像重建模型构建。神经元信号采集分析主要包含神经元信号采集、神经元响应特性分析。图像重建模型构建主要包含图像视觉刺激生成、局部场电位信号特征提取、重建模型构建。(2)采集了神经元信号,分析了神经元响应特性搭建了神经元信号采集平台,并根据图像重建需要进行了相应设备选型,为后期进行视觉刺激实验获取神经元信号做了准备。设计了灰底黑的棋盘格实验,采集了神经元响应信号,利用Spike信号的发放率特征并结合反向相关方法确定了OT区中浅层神经元感受野的位置及大小。设计了4个不同方向的灰底黑光栅刺激实验,提取了4个方向神经元响应的Spike发放时刻并绘制Raster图。从Raster图中发现不同方向光栅刺激下神经元的Spike发放时刻与发放序列基本一致,表明了OT区中浅层神经元对方向没有选择性。为后续的图像刺激模式设计以及神经元信号获得做了准备。(3)构建了图像重建模型设计了从右向左的扫屏刺激模式,解决了微电极阵列无法有效的覆盖整张图像的问题。获取了图像刺激后的神经元信号,从神经元信号中利用低通滤波器得到了LFP信号,利用独立成分分析法进行了LFP信号预处理。借助短时傅里叶变换提取了LFP信号频域内的幅值相位特征,并根据特征构造了特征响应矩阵。利用线性逆滤波器和支持向量回归机分别构建图像重建模型并重建了图像。以互相关系数作为评价指标,通过重建模型的分析,发现响应持续时间为0.55s,响应延迟时间为0.01s,频带为20-150Hz,特征响应矩阵可以较好的表征视觉图像刺激。(4)测试了图像重建模型构建算法,分析了重建结果设计了软件交互界面,实现了基于鸽视顶盖LFP信号的图像重建软件系统。采集了6只鸽子6幅图像的神经元信号,进行了图像重建模型算法的测试,重建图像的平均互相关系数为0.9226±0.0212,表明了该重建模型可以较好的重建图像刺激。分析了6只鸽子重建图像的平均互相关系数,分别为0.9357±0.0224、0.9263±0.0221、0.9281±0.0228、0.9146±0.0165、0.9145±0.0211、0.9165±0.0157,6只鸽子平均互相关系数的均方差为0.0087,表明了鸽子自身差异对该重建模型进行图像重建无影响。又分析了两种重建算法重建图像的平均互相关系数,分别为0.9252±0.0227、0.9200±0.0195,两种重建算法平均互相关系数的均方差为0.0036,表明了重建算法差异对该系统进行图像重建无影响。(本文来源于《郑州大学》期刊2019-05-01）
郑丽君[3]（2019）在《光照依赖的视顶盖神经回路稳态可塑性研究》一文中研究指出稳态可塑性是神经元通过调节突触强度来抵消过度兴奋或抑制的负反馈机制,神经元以此来适应网络活动的变化,从而维持正常的功能活动。根据发育阶段,细胞组织类型和实验条件等的不同,稳态可塑性的调控机制也不尽相同。我们以非洲爪蟾蝌蚪为模式动物,研究了通过改变光照时长,视觉输入增加或减少引起的兴奋性突触传递的变化。实验结果显示,增加光照能使AMPA受体介导的微小兴奋性突触后电流(mEPSC)幅度和在体视觉诱导的反应显着降低,内在兴奋性显着增加。同时,我们发现增加光照时长,能使Rab5c的表达明显增加,而敲低Rab5c的表达,则mEPSC幅度恢复到正常水平。实验结果表明,增加视觉活动可能通过Rab5c影响突触后AMPA受体活动,从而诱导神经回路稳态可塑性调控。(本文来源于《杭州师范大学》期刊2019-03-01）
王松伟,张涛,师丽[4]（2019）在《信鸽视顶盖中间层ON-OFF神经元在空间统一白噪声刺激下的编码》一文中研究指出感知系统神经科学的一个基本目标是刻画刺激和神经元响应之间的功能性关系。空间统一白噪声(spatial uniform white noise,SUN)刺激包含了丰富的时间变化信息,SUN刺激下的神经响应揭示了其时间编码属性。基于视网膜神经节细胞-视顶盖(retinal ganglion cells-optic tectum,RGC-OT)神经回路的信息整合假设,提出了信鸽视顶盖浅中层ON-OFF神经元SUN刺激响应的双滤波器半波整流模型,用于SUN刺激响应的预报。为解决凸优化问题,利用二次曲线对半波整流进行近似,将双滤波器模型转换为广义二次模型(generalized quadratic model,GQM),然后进行优化,预报结果表明二次模型与传统的线性-非线性-泊松分布(linear nolinear possion,LNP)模型相比较,获得了更好的预报效果。该结果也验证了OT神经元以不同的通路进行时变的亮度增强和降低的信息处理的假设。(本文来源于《科学技术与工程》期刊2019年03期）
王松伟,黄淑漫,师丽,王梦珂[5]（2018）在《鸽视顶盖快速显着感知编码模型研究》一文中研究指出在经典目标识别理论中,哺乳动物的视网膜和LGN中许多神经元执行了DoG (Difference of Gaussian)操作,其功能一般认为是白化,祛除冗余,并增强了边缘。通过对鸽视顶盖的ON-OFF神经元进行电生理研究,发现其利用FSL(First-SpikeLatency)进行场景整体信息粗略快速的传递,利用发放率对场景中显着性特征进行相续的传递。通过解析神经元响应模式,提出了OT(Optic Tectum)的ON-OFF神经元工作机制的一种假设,搭建了模型架构。该研究对新型的Spike神经网络的研究具有一定的借鉴意义。(本文来源于《系统仿真学报》期刊2018年11期）
高娟妹[6]（2018）在《HDAC3参与视觉经验依赖的非洲爪蟾视顶盖放射状胶质细胞增殖》一文中研究指出放射状胶质细胞是重要的前体细胞之一。在中枢神经系统的发育过程中能够增殖分化成神经元或胶质细胞,从而组成功能性神经环路。在大脑发育过程中,组蛋白去乙酰化酶(HDACs)对大脑功能起着重要的调控作用。但是,I类HDACs家族成员中HDAC2和HDAC3是否调控放射状胶质细胞的增殖还不是很清楚。在非洲爪蟾视顶盖大脑发育过程中,放射状胶质细胞同时表达BLBP和SOX2,是BrdU阳性的神经前体细胞。我们发现,在BLBP阳性的放射状前体细胞中,HDAC2和HDAC3主要在细胞核中表达。我们使用I类HDACs抑制剂MS-275处理蝌蚪时发现,脑室层中BrdU阳性细胞的数目显着减少。我们之前的研究表明,HDAC1调控放射状胶质细胞的增殖。在这里,我们分别使用敲低HDAC2或HDAC3的吗啉基转染放射状胶质细胞后发现,敲低HDAC3显着减少了BrdU和BLBP共定位的细胞数目,但是敲低HDAC2并没有影响前体细胞的增殖。我们还发现,视觉剥夺可以增加BLBP阳性表达的细胞,同时,组蛋白H4K16乙酰化水平明显升高,说明放射状胶质细胞的增殖是视觉经验依赖的。在49期的蝌蚪视顶盖中,HDAC3敲低部分阻断了视觉经验依赖的细胞增殖过程,但HDAC2不影响增殖细胞数目的变化。我们的研究结果表明,HDAC3下调了视顶盖脑室层中BrdU阳性放射状胶质细胞的增殖,抑制了视觉剥夺引起的BrdU阳性细胞数量增加。这些研究结果为进一步研究I类HDACs家族在大脑形成和修复过程中调控放射状胶质细胞增殖分化的机制奠定了基础。(本文来源于《杭州师范大学》期刊2018-03-01）
师黎,胡汉顶,王松伟[7]（2017）在《基于信鸽视顶盖神经集群响应的目标类别解码》一文中研究指出通过提取信鸽视顶盖(the optic tectum,OT)的中间层神经元集群高频峰电位(spike)响应信号,利用小波和信息论的方法提取并筛选不同时间尺度上的响应特征,构建集群响应的特征向量,从而实现对目标类别的解码。首先,根据感受野特征筛选有效响应通道;然后通过特定目标对信鸽进行刺激实验,采用微电极阵列记录多通道的spike发放序列;其次设定时间窗口(bin)长度,采用小波和信息论的方法提取并筛选响应特征;最后利用朴素贝叶斯分类算法实现目标类别解码。结果表明,一方面所提取的响应特征能够实现对目标类别的解码和识别;另一方面,通过对bin取1 ms的响应信号所提取特征进行统计分析,发现提取的包含目标类型信息高的小波系数大都属于较大分解层次上的系数,表明鸽子OT区可能利用这些尺度上的时间模式对目标的信息进行了编码,这为研究OT中间神经元的时间响应结构奠定了基础。(本文来源于《科学技术与工程》期刊2017年31期）
师黎,李俊俊,王松伟,王治忠[8]（2016）在《基于多元线性逆滤波器的视顶盖神经元集群亮度信息解码研究》一文中研究指出通过解码鸽子视顶盖(the optic tectum,OT)神经元集群亮度信息的方法,研究了OT区神经元集群编码亮度信息的神经机制。首先设计了具有瞬态闪变特性的亮度视觉刺激模式,采用微电极阵列记录了多通道的锋电位(spike)发放序列;然后提取了神经元集群的spike发放率特征,构造多元线性逆滤波器解码视觉刺激亮度;最后采用互相关和信息论的方法对解码结果进行了分析。结果表明:采用的多元线性逆滤波器有效解码了OT区神经元集群编码的亮度信息。通过对解码参数变化与解码精度的分析可知神经元集群数目13个、bin的宽度5 ms、刺激后15 ms、刺激后持续时间35 ms具有最高的解码精度。通过神经元集群中逆滤波器形态的分析发现,单神经元在亮度信息的编码过程中受周围神经元的动态调制。通过对解码精度与刺激闪变频率关系的分析,发现在刺激闪变频率19 Hz到53 Hz的范围内,重建质量较好,在刺激闪变频率为33.5 Hz时,重建质量达到最优。(本文来源于《科学技术与工程》期刊2016年28期）
李俊俊[9]（2016）在《鸽视顶盖神经元集群的亮度信息解码研究》一文中研究指出亮度是动物视觉系统接收的最基本的信息,对亮度信息的检测是视觉系统处理其它信息的基础。因此,探究视觉系统亮度信息的编码与解码机制对有效理解视觉系统的工作机制有着启发式的意义。离顶盖通路是鸟类进行视觉信息处理的主要通路,在这条通路中,视顶盖(The Optic Tectum,OT)是处理视觉信息的关键神经核团,对视觉信息具有调制、编码和整合作用。OT区信息处理机制的研究对明晰鸟类发达的视觉信息处理能力起着至关重要的作用。本文以鸽为实验对象,采用多电极阵列同步记录了视顶盖神经元集群的响应信号,测定了OT区神经元的感受野位置,提取了时变亮度刺激下的spike集群发放率特征,设计了多元线性逆滤波和神经网络两种解码器,从信息论的角度评估了解码器的性能,解析了OT区神经元集群编码亮度信息的神经机制。主要完成的工作及研究结果如下:(1)测定了视觉刺激下OT区神经元的感受野位置。设计了棋盘格刺激模式,采用基于spikes发放率的反向相关法测定了OT区神经元感受野的位置并进行了验证,结果表明:本次实验中所测得的神经元感受野位置集中在屏幕的左上角位置处,从而确定了有效响应神经元。(2)解码了OT区神经元集群响应编码的亮度视觉刺激信息。首先设计了具有空间不变性以及瞬态闪变特性的亮度视觉刺激模式。其次,提取了不同亮度刺激下的神经元集群spikes发放率特征,分别构造了多元线性逆滤波的线性解码器和人工神经网络的非线性解码器,实现对亮度视觉刺激序列的重建,并将这两种方法解码得到的亮度信息与实际亮度刺激作比较,采用归一化互相关系数衡量解码精度。结果表明:两种方法均有效解码了亮度信息,且解码结果相似。然后,分析了集群神经元数目、时间窗口bin的大小、刺激后持续时间、刺激后开始时间对解码结果的影响。结果表明:(1)随着神经元数量的增加,重建亮度刺激与实际亮度刺激的吻合程度增加。当神经元数目增加到一定数量(约13),再继续增加时互相关系数并没有显着提高。(2)bin的宽度在5ms时具有最高的互相关。(3)刺激后持续时间35ms以内互相关系数逐渐增多,从35ms开始达到稳定。(4)刺激后开始时间在15ms以后,实际亮度刺激与重建亮度刺激的互相关急剧下降。最后,分析了给光刺激(on)和撤光刺激(off)条件下,参数变化对解码结果的影响。结果表明:神经元数目和bin的大小对on和off刺激重建结果并无显着差异;off刺激时神经元发放持续时间长、开始时间快,on刺激时神经元发放持续时间短、开始时间慢。(3)利用信息论,从多个角度评估了亮度视觉刺激的解码结果,确定了OT区神经元集群spike序列有效编码的亮度视觉刺激特征。首先,计算了重建时变亮度刺激的功率,在低频和高频时都呈现出下降趋势;频率在20-60Hz范围内,重建的功率较高;频率大于70Hz时,重建的功率基本消失,解码器几乎没有从视觉刺激中提取到信息。然后,计算了解码结果的信息谱密度曲线,并以此为评判标准分析了OT区神经元集群编码亮度信息的信息冗余性以及信息传递的饱和性。结果表明:鸽OT区神经元在编码亮度视觉刺激时传递了一定量的冗余信息,当神经元集群增加到一定数量时,编码过程中所传递的信息达到饱和;两种解码方法解码出的亮度信息差别不大,本文所设计的亮度视觉刺激的绝大部分信息能够利用线性的方法从spike序列中提取出来。最后,计算了不同数目神经元集群中单个神经元逆滤波器的形态,发现神经元集群的协同作用对逆滤波器形态有很大影响,表明一个神经元的动作电位在编码中所做的贡献极大地依赖于它从其它神经元中获得的信息。(本文来源于《郑州大学》期刊2016-05-01）
余俊松[10]（2016）在《基于鸽视顶盖神经元集群响应的移动目标在线监测系统》一文中研究指出鸽子具有很强的视觉分辨能力,其快速识别移动目标的能力甚至优于人类。因此,利用鸽子视顶盖神经元集群响应特征,设计移动目标在线检测系统,及时发现并识别特定视野内出现的目标,并将目标信息迅速传递给计算机。该系统的开发与应用在极大节省人力资源的同时,还能有效地提高工作效率,对于社会安保、国家安全等都起着至关重要的作用。目前关于移动目标在线检测系统的开发,尚未有与动物大脑直接相结合的设计。本文首先分析了鸽子视觉系统的典型特点,在此基础上提出了系统总体实现方案;然后,开发了控制端可视化目标图形刺激软件,设计了同步打标电路,实现了视觉刺激与神经信号采集的精确同步,开展了典型电生理实验,设计了移动目标在线检测算法;最后,以植入了16通道微电极阵列的鸽子为受试对象,验证了移动目标在线检测系统的有效性。本文主要完成的工作如下:(1)通过分析鸽子视觉系统的典型特点,提出了系统的设计原理;根据系统的作用和功能归纳了系统所需要完成的工作,提出了系统的设计需求;在分析系统的设计原理和设计需求的基础上,提出了系统总体实现方案,系统主要包括四大模块——控制端可视化目标图形刺激软件、实验控制端与神经信号采集系统间的同步打标电路、信号采集系统以及移动目标在线检测算法。(2)搭建了移动目标在线检测系统的硬件平台,系统的硬件设计主要包含:控制端实时场景在线刺激平台、信号采集系统以及同步打标模块。根据系统设计需求选取了网络摄像头,实现了实时场景双屏显示的在线刺激;通过分析信号采集系统的输入口,提出了同步打标模块的设计需求,分析了图形刺激软件和同步打标电路、同步打标电路和神经信号采集系统之间的通信,在此基础上设计了同步打标电路,实现了控制端视觉刺激与神经信号采集系统间的精确同步。(3)系统的软件设计主要包含:控制端可视化目标图形刺激软件设计、同步打标软件设计、移动目标在线检测算法实现。设计并开发了一套用于测试鸽子视觉感知特性的控制端可视化图形刺激软件,该软件实现的功能有:能够测定鸽子视顶盖(The Optic Tectum,OT区)神经元的感受野、能够实现指定目标在不同背景下出现和消失等。提出了一种新的感受野测定方法,解决了常规实验中方案设置复杂的问题,实现了刺激目标参数可实时控制的关键技术。同步打标电路的软件设计主要讲解了同步打标实现的关键程序流程图,提高了灵敏度。最后对系统数据处理的算法进行了讲解,包括信号的预处理、锋电位(Spike)和局部场电位(LFP)信号的特征提取以及样本集训练及分类器设计算法的讲解。(4)开展了典型的视觉电生理实验,完成了移动目标在线检测系统的测试。以OT区植入了16通道微电极阵列的鸽子为受试对象,测定了OT区神经元的感受野范围,通过提取实时记录集群数据的响应特征,与分类器中的特征进行对比,实现了对移动目标的实时检测,从而完成对系统的测试。(本文来源于《郑州大学》期刊2016-05-01）
视顶盖论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前动物机器人的研究主要集中在刺激动物特定脑区进而控制动物行为。视觉系统作为动物感知外界环境信息的主要感官系统,视觉感知信息占感知信息的80%以上。鸟类具有发达的视觉系统,利用脑机接口技术获取视觉系统神经元信号并重建外部视觉输入,对动物机器人利用视觉系统进行救援侦察任务有着重要意义。本文以鸽子为研究对象,设计并实现了基于鸽子视顶盖(The Optic Tectum,OT)神经元响应信号的图像重建软件系统。该系统以图像作为视觉输入,利用多通道微电极阵列采集视顶盖神经元响应信号并分离出局部场电位(Local Filed Potential,LFP)信号,提取LFP信号频域内的幅值相位特征,构建图像与LFP信号之间的重建模型,最终实现图像重建。本文主要完成的工作以及相应的研究结果如下:(1)设计了图像重建软件系统分析了鸽视觉系统的特点,归纳了重建系统的设计原理,结合OT区神经元信号的获取要求以及后续信号处理过程总结了系统的设计需求。根据系统设计原理与设计需求,提出了图像重建软件系统的整体设计方案,方案将重建系统分为神经元信号采集分析和图像重建模型构建。神经元信号采集分析主要包含神经元信号采集、神经元响应特性分析。图像重建模型构建主要包含图像视觉刺激生成、局部场电位信号特征提取、重建模型构建。(2)采集了神经元信号,分析了神经元响应特性搭建了神经元信号采集平台,并根据图像重建需要进行了相应设备选型,为后期进行视觉刺激实验获取神经元信号做了准备。设计了灰底黑的棋盘格实验,采集了神经元响应信号,利用Spike信号的发放率特征并结合反向相关方法确定了OT区中浅层神经元感受野的位置及大小。设计了4个不同方向的灰底黑光栅刺激实验,提取了4个方向神经元响应的Spike发放时刻并绘制Raster图。从Raster图中发现不同方向光栅刺激下神经元的Spike发放时刻与发放序列基本一致,表明了OT区中浅层神经元对方向没有选择性。为后续的图像刺激模式设计以及神经元信号获得做了准备。(3)构建了图像重建模型设计了从右向左的扫屏刺激模式,解决了微电极阵列无法有效的覆盖整张图像的问题。获取了图像刺激后的神经元信号,从神经元信号中利用低通滤波器得到了LFP信号,利用独立成分分析法进行了LFP信号预处理。借助短时傅里叶变换提取了LFP信号频域内的幅值相位特征,并根据特征构造了特征响应矩阵。利用线性逆滤波器和支持向量回归机分别构建图像重建模型并重建了图像。以互相关系数作为评价指标,通过重建模型的分析,发现响应持续时间为0.55s,响应延迟时间为0.01s,频带为20-150Hz,特征响应矩阵可以较好的表征视觉图像刺激。(4)测试了图像重建模型构建算法,分析了重建结果设计了软件交互界面,实现了基于鸽视顶盖LFP信号的图像重建软件系统。采集了6只鸽子6幅图像的神经元信号,进行了图像重建模型算法的测试,重建图像的平均互相关系数为0.9226±0.0212,表明了该重建模型可以较好的重建图像刺激。分析了6只鸽子重建图像的平均互相关系数,分别为0.9357±0.0224、0.9263±0.0221、0.9281±0.0228、0.9146±0.0165、0.9145±0.0211、0.9165±0.0157,6只鸽子平均互相关系数的均方差为0.0087,表明了鸽子自身差异对该重建模型进行图像重建无影响。又分析了两种重建算法重建图像的平均互相关系数,分别为0.9252±0.0227、0.9200±0.0195,两种重建算法平均互相关系数的均方差为0.0036,表明了重建算法差异对该系统进行图像重建无影响。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视顶盖论文参考文献
[1].闫文明.基于鸽视顶盖神经元动作电位信号的颜色字符重建研究[D].郑州大学.2019
[2].焦兴洋.基于鸽视顶盖LFP信号的图像重建软件系统设计与实现[D].郑州大学.2019
[3].郑丽君.光照依赖的视顶盖神经回路稳态可塑性研究[D].杭州师范大学.2019
[4].王松伟,张涛,师丽.信鸽视顶盖中间层ON-OFF神经元在空间统一白噪声刺激下的编码[J].科学技术与工程.2019
[5].王松伟,黄淑漫,师丽,王梦珂.鸽视顶盖快速显着感知编码模型研究[J].系统仿真学报.2018
[6].高娟妹.HDAC3参与视觉经验依赖的非洲爪蟾视顶盖放射状胶质细胞增殖[D].杭州师范大学.2018
[7].师黎,胡汉顶,王松伟.基于信鸽视顶盖神经集群响应的目标类别解码[J].科学技术与工程.2017
[8].师黎,李俊俊,王松伟,王治忠.基于多元线性逆滤波器的视顶盖神经元集群亮度信息解码研究[J].科学技术与工程.2016
[9].李俊俊.鸽视顶盖神经元集群的亮度信息解码研究[D].郑州大学.2016
[10].余俊松.基于鸽视顶盖神经元集群响应的移动目标在线监测系统[D].郑州大学.2016