探究初級運(yùn)動皮層的神經(jīng)解碼機(jī)制.pdf

1、生物體主要通過產(chǎn)生神經(jīng)脈沖信號來傳遞信息，其中，運(yùn)動皮層的神經(jīng)信號包含大量對應(yīng)的運(yùn)動信息，尤其受到研究者的關(guān)注。隨著神經(jīng)科學(xué)與電子科學(xué)的發(fā)展，研究者可以通過植入微電極陣列的方法從運(yùn)動皮層提取出神經(jīng)信號，并使用一些數(shù)學(xué)方法來研究神經(jīng)信號，從中解析出運(yùn)動信息，并通過神經(jīng)接口轉(zhuǎn)化為指令來控制假肢的運(yùn)動，達(dá)到幫助殘疾人恢復(fù)運(yùn)動功能的目的。通過分析神經(jīng)信號而得到運(yùn)動信息過程叫做神經(jīng)解碼。通過分析和處理從猴子的初級運(yùn)動皮層提取的神經(jīng)信號，分別對猴子

2、進(jìn)行抓握運(yùn)動中的運(yùn)動變量和運(yùn)動軌跡進(jìn)行了預(yù)測和跟蹤，進(jìn)而對神經(jīng)解碼機(jī)制進(jìn)行了研究。
　　主要使用了SVM、KNN和ELM等多種模式識別的方法對猴子手部的運(yùn)動方向和角度進(jìn)行了預(yù)測。對角度和方向的預(yù)測結(jié)果有著類似的規(guī)律，預(yù)測的平均準(zhǔn)確率隨著預(yù)測中所使用神經(jīng)元個(gè)數(shù)的增加而提高。當(dāng)使用SVM算法時(shí)，預(yù)測得到的平均準(zhǔn)確率最高，但時(shí)間消耗也較大；而使用KNN算法的速度最快，但平均準(zhǔn)確率稍低。
　　論文還通過分析單個(gè)神經(jīng)元的神經(jīng)脈沖信號，