数据驱动下的针刺神经放电重构平台的制作方法
【技术领域】
[0001] 本发明设及生物医学工程技术，特别是一种数据驱动下的针刺神经放电重构平 台。
【背景技术】
[0002] 针灸作为中医的重要组成部分，临床疗效显著。但是，目前针刺治疗的作用机制尚 不明晰。神经电信号是针刺发挥效应的关键信号，神经元放电活动与刺激之间的关系是神 经生理学研究的焦点。但是，针刺手法操作种类复杂，难W对针刺作用于皮肤的刺激信号进 行定量。因此，建立针刺神经通路下有效的神经元模型，进而解释针刺输入与输出之间的关 系具有重要意义。
[0003] 目前神经元模型主要有两类，即电生理模型W及现象学模型。电生理模型能较好 地描述神经元的动态特性，但形式复杂，不利于建立有效的输入输出映射关系。现象学模型 形式简单灵活，但生理意义不明确。并且，两类模型都仅从仿真的角度解释神经元编码机 审IJ，缺乏相应的实验基础，也不能有效地解决量化针刺输入信息运一个问题。
[0004] 现有神经元模型都不能用于全面地描述和分析针刺数据，并且神经元的放电形式 看起来具有严重的噪声影响，因此应用概率模型来描述它们是必要的。同时，单神经元的放 电具有统一的标准波形，可W通过产生放电的频率和时刻特征描述外部刺激，并且神经元 放电在本质上是一个随机过程，因此，神经放电序列的产生可W等效为点过程。在早期的研 究中，神经元常被近似成化isson放电生成器，即用化isson过程来模拟放电过程。广义线性 模型(GLM)是一类常见的概率统计性模型，其结构组成中包含有化isson过程，并且GLM虽然 形式简单，可W在实验数据驱动下建立特有神经元模型，综合了电生理模型和现象学模型 的特点并具有随机放电特性，适合用于构造针刺电信号输入输出之间的映射关系。因此，可 W采用GLM对针刺神经通路下的单神经元进行刻画，即将输入刺激依次经过线性滤波器和 非线性转换来估计神经元的响应输出。
[0005] 综上所述，目前在研究针刺神经电信号方面，仍存在W下不足:现有的技术尚无有 效方法解决针刺输入量化问题;单纯利用matlab实现电生理模型或者现象学模型等仿真， 无法有效地模拟针刺通路下的神经元;多数研究仅围绕神经元模型进行仿真，没有严谨的 针刺实验设计，无法建立真实实验数据下的神经元模型，并进一步预测和分析神经元编码 机制。
【发明内容】
[0006] 针对上述技术中存在的不足，本发明的目的是提供一种数据驱动下的针刺神经放 电重构平台，通过设计针刺实验，利用实验数据估计GLM的内部参数，进而构建实验数据驱 动下的针刺神经通路下的单神经元编码模型，为针刺手法的神经放电重构提供一种新的解 决方案。
[0007] 为实现所述目的，本发明采用的技术方案是提供一种数据驱动下的针刺神经放电 重构平台，其中：该平台包括有针刺实验部分和数据分析部分，所述针刺实验部分完成样本 实验数据的采集，样本实验数据经过预处理后，将实验样本数据信号传递给数据分析部分 进行神经元模型的建立;数据分析部分通过比较放电时刻和ISI指标验证所建化Μ的合理 性，最终利用数据分析部分重构针刺实验放电数据，并且与针刺实验放电序列进行验证比 较。
[000引所述的针刺实验部分包括针刺刺激部分和放电信息采集部分，针刺刺激部分包括 相互连解的不同手法针刺刺激、实验对象，通过不同手法针刺刺激刺激实验对象，放电信息 采集部分包括相互连解的玻璃微电极、微电极放大器、生理电信息记录仪，所述玻璃微电极 经过微电极放大器处理后，通过生理电信息记录仪进行电信息记录，作为针刺刺激输入信 号下的输出响应。
[0009] 所述的数据分析部分包括建立GLM和针刺实验数据重构，所述的GLM包括相互连解 的线性滤波器、静态非线性处理函数、泊松过程、放电后效应滤波器，所述线性滤波器将高 维数的输入信息做卷积处理降低维数输出后，经处理函数做非线性运算，依据静态非线性 的静态非线性处理函数输出模拟神经元的放电过程为泊松过程，放电后效应滤波器捕捉泊 松过程输出对于下一次放电所产生的影响。
[0010] 所述的针刺实验数据重构部分包括相互连解的刺激参数设置模块、放电对比模 块、指标对比模块，通过参数设置模块设置输入刺激的幅值、频率指标;然后利用放电对比 模块采用直观的图形对比GLM输出和针刺实验提取到的实验数据两者之间的差异;最后通 过指标对比模块对GLM输出和实验放电序列做进一步的统计分析。
[0011] 本发明的有益效果是将GLM应用于针刺电信号研究的领域，并且建立针刺神经通 路下的单神经元模型，进而重构针刺实验放电序列。优势在于：1.本平台采用实验数据驱动 建立针刺神经通路下的单神经元模型，具有一定的真实可靠性。2.本平台所建立的针刺单 神经元模型，可W仿真针刺手法刺激下的放电响应情况，一方面相对于动物活体实验具有 成本低的特点，另一方面因其基于大量的实验样本数据同时又具备一定程度的真实可靠 性。3.本平台采用GLM模拟真实针刺神经通路单神经元，在实验数据的驱动之下可W有效规 避输入信息难W量化运一问题，将输入信号连同模型内部参数一起进行估计，进而重构得 到实验放电序列。
【附图说明】
[0012] 图1为本发明的基于GLM的针刺神经放电重构平台结构示意图；
[0013] 图2为本发明的实验数据获取过程示意图；
[0014] 图3为本发明中GLM的结构示意图；
[0015] 图4为本发明中针刺实验数据分析的示意图。
[0016] 图中；
[0017] 1、针刺实验部分2、数据分析部分3、不同手法针刺刺激
[0018] 4、实验对象5、玻璃微电极6、微电极放大器7、生理电信息记录仪 [0019] 8、樂性滤波器9、静态非樂性处理函数10、泊松过程
[0020] 1、放电后效应滤波器12、参数设置模块13、放电对比模块
[0021] 14、实验数据15、GLM输出16、指标对比模块
[0022] 17、ISI对比18、直方图对比
【具体实施方式】
[0023] 下面结合附图对本发明的数据驱动下的针刺神经放电重构平台做进一步描述。
[0024] 本发明的数据驱动下的针刺神经放电重构平台在实验数据驱动下，基于GLM的针 刺神经放电重构平台的建模思想，关注输入与输出信号，应用非确定性函数的概率分布，建 立实验数据驱动下针刺输入刺激到神经输出响应的映射关系，最终获得针刺实验数据的重 构，有助于进一步掲示针刺编码机制。本放电重构平台W针刺诱发的启动电位作为模型输 入，W脊髓背根单神经元的放电时刻作为模型输出。基于针刺神经响应的实验输出样本数 据，通过统计直方图和ISI指标，衡量GLM与实验放电序列的一致性，最终确立针刺输入刺激 到神经输出响应的映射关系。
[0025] 如图1-4所示，本发明的数据驱动下的针刺神经放电重构平台结构是:实验数据驱 动下的针刺神经放电重构平台，该平台包括有针刺实验部分1和数据分析部分2,所述针刺 实验部分1完成样本实验数据的采集，样本实验数据经过预处理后，将实验样本数据信号传 递给数据分析部分2进行神经元模型的建立;数据分析部分2通过比较放电时刻和ISI指标 验证所建GLM的合理性，最终利用数据分析部分2重构针刺实验放电数据，并且与针刺实验 放电序列进行验证比较。
[0026] 所述的针刺实验部分1包括针刺刺激部分和放电信息采集部分，针刺刺激部分包 括相互连解的不同手法针刺刺激3、实验对象4,通过不同手法针刺刺激3刺激实验对象4,放 电信息采集部分包括相互连解的玻璃微电极5、微电极放大器6、生理电信息记录仪7,所述 玻璃微电极5经过微电极放大器6处理后，通过生理电信息记录仪7进行电信息记录，作为针 刺刺激输入信号下的输出响应。
[0027] 所述的数据分析部分2包括建立GLM和针刺实验数据重构，所述的GLM包括相互连 解的线性滤波器8、静态非线性处理函数9、泊松过程10、放电后效应滤波器11，所述线性滤 波器8将高维数的输入信息做卷积处理降低维数输出后，经处理函数做非线性运算，依据静 态非性9的静态非线性处理函数输出模拟神经元的放电过程为泊松过程10,放电后效应滤 波器11捕捉泊松过程10输出对于下一次放电所产生的影响。
[0028] 所述的针刺实验数据重构部分包括相互连解的刺激参数设置模块12、放电对比模 块13、指标对比模块16,通过参数设置模块12设置输入刺激