多电极阵列上神经元自发放电序列的时间编码

根据多电极阵列上培养的海马神经元不同自发放电模式,研究神经元发放序列的时间编码规律。采用锋电位间隔(ISI)时域图、锋电位间隔直方图(ISIH)、联合锋电位间隔分布图(JISI)对3种典型自发放电模式(爆发、持续单发、爆发与单发交替)进行时间编码分析.结果表明3种放电模式编码规律在ISI时域图中呈现分层结构,分别是两层,一层和近似三层;编码在ISIH中符合指数分布、正态分布、χ~2分布;在线性尺度JISI图中信号编码分别表现为"L"型、集聚型和伴随散点的"L"型,而对数尺度的JISI编码规律则按照三簇、一簇和四簇分布.可见ISI随时间变化能反映自发放电模式时间编码整体趋势;不同放电模式的ISIH编码规律可用数学分布函数描述;JISI可从时空角度体现放电模式的特定时间编码.     

多电极阵列上长时间培养神经元网络的发育变化

体外培养海马神经元网络的自发活动对于发育研究及学习记忆机制分析具有重要意义. 为了研究体外培养网络自发放电随发育的变化，在多电极阵列芯片上长时间培养海马神经元网络，连续记录分析了培养14周的网络发育过程. 结果显示，网络整体放电频率从培养第1周到第8周逐渐增加，9—14周基本稳定. 对放电模式的分析表明，培养1周内出现自发、低频、不同步的锋电位；4—7周为同步簇发放电，7周出现同步簇发和随机放电混合的复杂模式；9周后为高频随机放电模式，稳定4周以上. 由此推测，高密度培养的神经元网络发育过程可以分为3个阶段，连接建立期、活动协同期和成熟期，同步放电是高密度培养神经元网络发育过程的一个重要现象，其模式表现形式随培养时间改变.     

电磁辐射环境下自组织神经元网络拓扑特性及动力学行为

基于FitzHugh-Nagumo神经元模型,构建了电磁辐射环境下突触连接动态变化的自组织神经元网络模型;采用神经动力学理论和复杂网络方法,研究了不同电磁辐射强度下,自组织神经元网络的连接密度、因果关系、模块化程度、网络效率、同步行为以及兴奋性。发现电磁辐射增强了磁场对神经元的负反馈,减弱了神经元之间的竞争,降低了神经元之间的因果关系;但对神经元网络的连接密度、模块化程度和网络效率的影响较复杂;存在最佳辐射强度,使自组织神经元网络的局部效率和全局效率显著升高。同时,电磁辐射增强了自组织神经元网络固有的同步能力,产生更高的神经元同步放电活动。最后,合适的电磁辐射强度可以增强自组织经元网络的兴奋性,而更高的辐射强度降低了神经元网络的兴奋性。结果表明:电磁辐射对自组织神经元网络的形成具有复杂的调控作用,但存在合适的辐射强度,使自组织神经元网络在结构上具有较强的信息传递能力,在动力学上具有较高的同步放电行为。     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

神经元网络同步放电的抗扰特性

为了揭示神经元网络在噪声环境下实现可靠信息处理的内在机制,利用神经元模型对噪声环境下神经元网络同步放电的抗扰特性进行数值计算和分析.给出了定量描述神经元网络放电同步程度和抗扰特性的评价指标,并研究了放电同步程度和抗扰特性间的内在联系.数值仿真结果表明,神经元数目和耦合强度对网络的同步和抗扰特性影响较大;在一定范围内,神经元放电同步程度与抗扰特性强弱间具有近似线性的内在联系.因此,神经元网络可以利用同步放电机制抑制噪声干扰,执行可靠的信息编码与处理.     

刺激诱发的锋电位序列相关性的研究

刺激神经元网络,会使网络中神经元发放的锋电位序列在同一时刻发生改变进而产生相关性。移位预测是常用的描述这种刺激引发相关性大小的方法,其构造有多种方式。文章在对MEA培养的海马神经元网络的刺激响应的分析中观测到了刺激引发的相关性的存在,并且用不同的方式构造了移位预测来描述这种相关性的大小,发现不同方式构造的移位预测子,在描述刺激引发相关性的效果上,差别不大。     

被动运动对海马神经元活动协同性的影响

为对比自由运动和被动运动时海马神经元群体的协同性,分别在被动运动和自由运动这2种情况下,使用神经信号记录设备记录成年大鼠海马区神经元锋电位和场电位,采用时域相位和频域锋电位-场电位相干这2种分析方法对二者之间的关系进行了探讨。结果显示:被动运动和自由运动时大鼠海马锋电位都受到场电位theta节律调制,被动运动时的调制深度比自由运动时降低。进一步的锋电位-场电位相干分析表明:被动运动时锋电位与theta节律相干值降低。调制深度和相干的降低体现了二者协同性减弱,可能是由于被动运动时本体感觉缺失造成的。     

谷氨酸对家鸽顶盖脑片Ⅱa？f亚层神经元自发电活动的影响

应用离体脑片技术,胞外记录观察了家鸽顶盖Ⅱa～f亚层神经元的自发放电特征,以及灌流和微电泳给予谷氨酸（glutamate,Glu）及其受体措抗剂谷氨酸二乙酯（glutamatediethylester,GDEE）对自发电活动的影响．在46例脑片上观察了80个Ⅱa～f亚层神经元的自发放电活动,其放电形式有3种：慢而不规则型（50个,占62．5％）;连续重复放电型（24,占30．0％）;周期性簇状放电型（6个,占7．5％）．分别用灌流和微电泳方式给予Glu后,受试神经元均出现明显的增频反应,且呈现剂量一效应关系．GDEE对自发放电有抑制作用,且能阻断Glu的兴奋作用一以上结果提示,家鸽顶盖Ⅱa～f亚层内存在Glu敏感神经元,外源性的Glu对这些神经元有兴奋作用,Glu可能作为神经递质参与了家鸽顶盖Ⅱa～f亚层神经元的活动．     

基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位（ERP）复杂度动态变化的估计算法——时变Tsallis熵（ETsEn）和时变近似熵（EApEn），并将其应用于分析Stroop任务中ERP的动态复杂度．实验发现：BTsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异；EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律．额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异，即在刺激前熵较大且无明显变化，刺激处理过程中熵显著减小，刺激处理完成后熵恢复至刺激前状态，其变化的时序与行为数据基本一致。结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性，为客观度量ERP的复杂度提供了新方法．     

运动疲劳大鼠丘脑腹外侧核神经元自发放电特征的分析

通过观察力竭运动对大鼠丘脑腹外侧核(VL)神经元自发放电活动的影响,探讨丘脑腹外侧核在运动疲劳中枢调控过程中的作用.选取雄性Wistar大鼠,随机分为对照组和疲劳组.采用跑台递增负荷运动方案,建立运动疲劳模型.采用玻璃微电极的体电生理学技术,观察丘脑腹外侧核神经元自发放电活动,并对其放电模式、放电频率、锋电位间隔直方图进行线下分析.得到了FG大鼠丘脑腹外侧核单簇发混合放电和规则单发放电神经元比例明显低于CG(P0.01),爆发式放电神经元比例明显高于CG(P0.01).FG大鼠丘脑腹外侧核神经元总放电频率显著低于CG(P0.05),规则单发放电频率有所升高,单簇发混合放电频率有所降低,但与CG相比均未见显著差异(P0.05).可以看出大鼠丘脑腹外侧核神经元参与了运动性疲劳的中枢调控.丘脑腹外侧核在运动疲劳引起间接通路与直接通路的调节功能失衡过程中起关键作用.     

不同脑负荷脑电特征的近似熵表征研究

目的研究不同生理状态下的脑电特征(EEG)。方法利用一种度量时间序列复杂性的非线性统计方法——近似熵(ApEn)方法。结果近似熵能够有效地反映脑电信号的变化情况。结论近似熵是一种值得重视且很有发展前景的复杂性分析方法。     

基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.     

人体HRV信号的检测及其复杂性分析

设计开发了一种便携式心电监测仪器,用于监测人的肢体心电(ECG)信号.根据获得的心电数据,采用小波变换技术进行心电R峰的准确定位,进而得到HRV序列.对HRV信号进行复杂性分析的结果表明:处于健康状态下HRV信号的复杂度(C(N))要高于处于病理状态下HRV信号的复杂度,且近似熵和复杂度的分析结果一致;处于健康状态下HRV信号的近似熵要高于处于病理状态HRV信号的近似熵.     

混沌的复杂度研究方法和Logistic映射分析

研究和评价了混沌复杂度3种定量分析方法——Lyapunov指数、分维、测度熵,及其它们之间的内在联系,并研究了一种简单有效的测度熵替代方法——近似熵(approx im ate entropy)方法.应用以上方法对Log istic映射复杂度进行了分析.结果表明Lyapunov指数和测度熵的值与复杂度基本呈线性关系,分维数与复杂度的函数关系尚难确定,且与Lyapunov指数、测度熵之间的关系也不明确.     

基于复杂性测度的心率状态对比

本文介绍了近似熵（ApEn)和谱熵（SE）两种复杂性测度，研究了在两组静默（采用中国气功和Kundalini瑜珈练习方法）和正常状态下的心率复杂性。观察到两种状态下复杂度有明显差异，但两种状态下复杂性数值的大小关系对取决于不同的个体。研究结果进一步在心率变化的复杂性方面支持了关于在人体心率和自主调节间存在某种关联的看法，并提供了新的定量描述心率不同状态的方式和途径。     

Nonlinear short-term heart rate variability prediction of spontaneous ventricular tachyarrhythmia

As malign ventricular tachyarrhythmias triggering sudden cardiac death （SCD）, both ventricular tachycardla （VT） and ventricular fibrillation （VF） are major causes of mortality. The most efficient therapy for SCD prevention is implantable cardioverter defibrillators （ICD）. The ICD can accurately and effectively Identify the forthcoming of fatal ventricular tachyarrhythmlas and deliver a shock in order to restore patients＇ normal sinus rhythm. In this study, two nonlinear complexity measures based on entropy： approximate entropy （ApEn） and sample entropy （SampEn） as well as two time linear indices： the mean RR interval （the average of time intervals between consecutive R-waves） and the standard deviation of RR Intervals were used for short-term forecasting of VT-VF occurrence. The last small sections of interbeat Intervals preceding 135 VT-VF episodes from 78 patients stored by the ICD were analyzed and compared with individually acquired control time series （CON series） from the same patients, which are normally intrinsic sinus rhythms. The results demonstrate that in addition to an obvious increase in heart rates of the patients, the values of two entropy measures are significantly smaller for VT-VF episodes than those for CON series. Conclusions can be drawn that when a ventricular tachyarrhythmia approaches, the sympathetic tone of the patients is increased, and the complexity of their RR intervals immediately before the onset of VT-VF events is obviously lower than that of RR intervals recorded during sinus rhythms. For a better separation, the optimal range of threshold r is determined for two algorithms. ApEn and SampEn measures might be the suitable nonlinear parameters for shodterm prediction of life-threatening ventricular tachyarrhythmias in the application of the cardioversion and defibrillation.     

Changes in EEG measurements in intractable epilepsy patients with neurofeedback training

To assess the effects of neurofeedback on brain electrophysiology and to determine how biofeedback works, power spectral density (PSD) and approximate entropy (ApEn) analyses are applied to the EEGs of six patients with intractable epilepsy who received neurofeedback training. After sessions of treatment, the EEG sensorimotor rhythm to theta PSD ratio calculated from the C4 electrode site becomes larger than that before the treatment, which is consistent with the biofeedback protocol. The ApEn over 16-channel EEG recordings all increase to different degrees. Larger increases occur in channels located near the training position (C4). All these results suggest that these EEG measurements are new criteria that can be used to evaluate the effect of neurofeedback.     

K-means聚类神经网络分类器在睡眠脑电分期中的应用研究

利用近似熵的方法对睡眠EEG信号进行分期,但睡眠Ⅲ期和Ⅳ期近似熵值非常接近,靠近似熵值无法区分,对分期结果中的Ⅲ期和Ⅳ期EEG信号进行AR(自回归)建模,作为该段EEG信号的特征属性,利用K-means聚类的神经网络分类器对睡眠Ⅲ期和Ⅳ期进行分期,达到了很好的分期效果.