大鼠前额叶皮层神经元集群对工作记忆事件稀疏编码的研究

论文摘要

研究目的：神经系统对信息的编码是由多个神经元组成的功能集群协同电活动完成的,有效表达神经元集群编码是神经科学的关键科学问题。本论文的研究旨在发展神经元集群稀疏编码的理论与算法,通过稀疏空间的变换有效表达前额叶皮层神经元集群对工作记忆事件的编码。本论文基于神经元发放的稀疏编码机制,提出和实现了两类不同表达方式的神经元集群稀疏编码：(1)神经元集群频率稀疏编码；(2)神经元集群熵稀疏编码。期望为探索工作记忆的神经元集群编码机制提供神经编码计算的支持。研究方法：1.实验数据本论文所用的实验数据由天津医科大学神经工程实验室提供。在SD大鼠前额叶皮层植入16通道微电极阵列。应用在体多通道数据记录技术,获取3只大鼠在Y迷宫工作记忆过程中前额叶皮层50次训练中的16通道数据。原始数据经高通滤波(>500Hz)、阈值检测和锋电位分类得到神经元群体动作电位的50个时空序列。选取足以表征工作记忆全过程的7s数据作为研究对象。2.神经元集群稀疏编码(1)离散“点电位”的连续化：因为稀疏空间变换适用于连续信号,而神经元群体中每一个神经元发放的动作电位序列是离散的“点电位”,因此本论文的关键技术之一是将离散神经元集群的“点电位”通过以下两种方式转换为连续信号。①神经元集群频率稀疏编码基于在选定窗口中神经元发放个数(频率),量化该窗口中“点电位”。选取生理窗口窗宽200ms、窗口移动步长为50ms,从初始点开始,逐个计算每个窗口中的各个神经元的发放频率；将整个时间过程的每个神经元发放频率归一化。②神经元集群熵稀疏编码基于在选定窗口中神经元发放序列的信息熵,量化该窗口中的“点电位”。用窗宽为200ms,步长为50ms的移动窗口,获取每个窗口内每个神经元发放序列的信息熵,在全时间段对各个神经元发放熵值进行归一化。(2)神经元动作电位矩阵的非负稀疏编码算法：通过试算,设置稀疏分解时源分量的个数；在非负限制条件下,通过最小化代价函数,将神经元动作电位矩阵分解为超完备的权重矩阵和稀疏的源分量矩阵。(3)特征稀疏分量的选取：计算神经元集群出现的时间段,选取源稀疏分量系数在该时间段内明显增加的分量作为特征分量。(4)神经元动作电位的稀疏重构：对稀疏源特征分量进行稀疏逆变换,在原坐标中获取重建的神经元群体发放的动态时空分布。研究结果：本论文研究了3只大鼠在50次工作记忆事件中,前额叶皮层的神经元集群对工作记忆事件的稀疏编码,神经元集群对应的神经元编号、集群平均持续时间分别为：1.神经元集群频率稀疏编码(1)第1号大鼠①频率稀疏编码：9,10,11(剔除2个神经元),(0.8480±0.2897)s。②频率编码：9,10,11(剔除6个神经元),(2.9780±1.0031)s。频率稀疏编码中神经元集群持续时间明显小于频率编码中集群持续时间,经t检验有显著性差异(p<0.01)。(2)第2号大鼠①频率稀疏编码：第1天,7,8(剔除1个神经元),(0.9540±0.3736)s。第2天,7,8,9(剔除2个神经元),(1.2180±0.5966)s。②频率编码：第1天,7,8,9(剔除3个神经元),(2.7210±1.1983)s；第2天,7,8,9,10(剔除2个神经元),(3.4380±0.7899)s。频率稀疏编码中神经元集群持续时间明显小于频率编码中集群持续时间,经t检验有显著性差异(p1<0.01；p2<0.01)。(3)第3号大鼠①频率稀疏编码：第1天,13,14,15(剔除3个神经元),(1.1890±0.4418)s；第2天,5,6,7(剔除3个神经元),(1.1700±0.3348)s。②频率编码：13,14,15,17(剔除8个神经元),(2.7560±1.1124)s；第2天,5,6,7,8(剔除10个神经元),(3.2150±0.8827)s。频率稀疏编码中神经元集群持续时间明显小于频率编码中集群持续时间,经t检验有显著性差异(p1<0.01；p2<0.01)。2.神经元集群熵稀疏编码(1)第1号大鼠①熵稀疏编码：9,10,11(剔除2个神经元),(0.8478±0.2896)s。②熵编码：9,10,11(剔除5个神经元),(2.9781±1.0031)s。熵稀疏编码中神经元集群持续时间明显小于熵编码中集群持续时间,经t检验有显著性差异(p<0.01)。(2)第2号大鼠①熵稀疏编码：第1天,7,8(剔除2个神经元),(0.9541±0.3736)s；第2天,7,8,9(剔除2个神经元),(1.2179±0.5965)s。②熵编码：第1天,7,8,9(剔除3个神经元),(2.7209±1.1982)s；第2天,7,8,9,10(剔除2个神经元),(3.4380±0.7899)s。熵稀疏编码中神经元集群持续时间明显小于熵编码中集群持续的时间,经t检验有显著性差异(p1<0.01；p2<0.01)。(3)第3号大鼠①熵稀疏编码：第1天,13,14,15(剔除2个神经元),(1.1890±0.4418)s；第2天,5,6,7(剔除3个神经元),(1.1701±0.3348)s。②熵编码：13,14,15,17(剔除11个神经元),(2.7558±1.1125)s；第2天,5,6,7,8(剔除8个神经元),(3.2151±0.8828)s。熵稀疏编码中神经元集群持续时间明显小于熵编码中神经元集群持续的时间,经t检验有显著性差异(p1<0.01；p2<0.01)。结论：(1)神经元集群频率稀疏编码表达了稀疏发放模式的神经元集群对工作记忆事件的编码,与神经元集群频率编码相比,更有效表达了神经元集群对工作记忆事件的稀疏编码。(2)神经元集群熵稀疏编码中的神经元集群时空信息更加明显,比神经元集群熵编码,更能有效表达神经元集群对工作记忆事件的稀疏编码。(3)神经元集群频率稀疏编码与神经元集群熵稀疏编码从神经元发放强度、发放概率这两个不同角度有效地表达了神经元集群编码模式。

论文目录

• 中文摘要
• Abstract
• 缩略语/符号说明
• 第1章 前言
• 1.1 研究背景
• 1.1.1 神经元集群频率编码
• 1.1.2 神经元集群时空编码
• 1.1.3 神经元集群熵编码
• 1.1.4 神经元集群稀疏编码
• 1.2 研究目的
• 1.3 研究内容
• 1.3.1 本论文的主要研究内容
• 1.3.2 本论文的结构
• 1.4 本论文的创新点
• 第2章 原理与方法
• 2.1 实验数据
• 2.2 神经元集群稀疏编码
• 2.2.1 离散"点电位"的连续化
• 2.2.2 神经元动作电位矩阵的非负稀疏编码算法
• 2.2.3 稀疏特征分量的选取
• 2.2.4 神经元动作电位的稀疏重构
• 2.3 神经元集群稀疏编码中的关键问题
• 第3章 结果
• 3.1 神经元发放仿真序列的稀疏编码
• 3.1.1 神经元仿真序列发放频率的稀疏编码
• 3.1.2 神经元仿真序列发放信息熵的稀疏编码
• 3.2 大鼠在Y迷宫工作记忆事件中神经元集群稀疏编码
• 3.2.1 数据预处理
• 3.2.2 稀疏编码的参数选择
• 3.2.3 大鼠在工作记忆过程中前额叶皮层神经元集群频率稀疏编码
• 3.2.4 大鼠在工作记忆过程中前额叶皮层神经元集群熵稀疏编码
• 3.2.5 神经元集群频率稀疏编码与神经元集群熵稀疏编码
• 第4章 结论与讨论
• 4.1 结论
• 4.2 讨论
• 4.2.1 神经元集群稀疏编码的参数选择
• 4.2.2 特征分量的选取
• 4.2.3 NNSC与ICA
• 4.2.4 大鼠在两种状态下神经元动作电位的比较
• 参考文献
• 发表论文和参加科研情况说明
• 综述 稀疏编码理论及其研究进展
• 综述参考文献
• 致谢