一种多电极阵列神经元放电序列的时空网络构建方法与流程

本发明涉及神经元复杂网络领域，特别是一种多电极阵列神经元放电序列的时空网络构建方法。

背景技术：

大脑内包含大量神经元，这些神经元相互连接，构成极其复杂的神经元网络，快速传导并处理神经脉冲信号。大脑对于外界事件的响应以及信息处理的每一个过程，都需要涉及许多神经元的共同作用，要揭示大脑完成信息处理的复杂机制，就要获得足够数目的神经元电活动信息。近年来，多电极阵列技术的出现和发展，为开展神经元放电相关研究提供了非常便利的条件。多电极阵列记录系统在直径约5mm的微区玻璃表面点阵状排列电极，电极直径和间距为微米级，可以随时观察神经元的变化情况，同时采集并记录大量神经元的放电信息，适用于神经、视网膜和心肌细胞电生理特性和离子通道生物学特性研究。此外，通过对多电极阵列测得的神经元集群开展脑网络研究，用复杂网络的方法分析网络结构，已成为当下神经电生理研究的热点。

随着网络科学的概念在神经科学领域中的引入，越来越多的神经科学用网络的方法研究脑电特征。目前脑网络的研究主要集中在以eeg、meg和fmri技术为基础的宏观尺度上，针对神经群体、核团或脑区之间脑网络的组织模式开展相关研究。这些宏观的研究方法测量的是神经元群体直接或间接的总体反应，缺乏直接的神经元间功能连接性的测量，存在时间分辨率和空间分辨率不能兼顾的问题。而多电极阵列测得的神经元放电序列，从多通道电活动记录中提取并构建的神经元层次的脑网络，能更为精细地揭示大脑活动中的局部组织模式。尽管以多电极阵列为传感器对神经细胞电信号进行构建静态网络方法已较为成熟，但由于神经元的快速变化特性，导致神经元网络具有复杂的瞬时特性，而静态空间网络难以表现时间维度的特性，且未考虑连续时间内神经元集群的信息传递特性。因此，对多个神经元构成的网络开展时间及空间维度的研究，可以反映神经元网络瞬时结构随时间的演化过程，对理解大脑活动的组织原理、形成机制和规律演化等方面具有重要意义。

技术实现要素：

本发明的目的是提出一种多电极阵列神经元放电序列的时空网络构建方法，通过多个神经元放电序列的划分，以及神经元之间相关性的分析，建立起一种神经元时空网络，用以研究神经元网络的瞬时结构随时间的演化过程。本发明的技术方案如下。

一种多电极阵列神经元放电序列的时空网络构建方法，包括下列步骤：

第一步、对各神经元放电时间序列划分时间窗：

通过对多电极阵列的数据进行处理，得到各神经元放电时间序列，进而设定时间窗的宽度为t，保证每一个时间窗内单个神经元的放电个数n≤1，将多电极阵列记录的神经元放电序列均匀划分为k段，即总共得到神经元集群的k个瞬时状态

第二步、构建时空网络：

将多电极阵列所测的n个神经元(x1、x2、……、xn)作为网络节点，对同一时间窗k,1≤k≤k,内神经元放电的相关性进行分析，若神经元与神经元均有放电发生，即则认为神经元与相关，对应节点间存在连接，反之无连接按照此规则，最终获得每个时间窗对应的空间网络g；然后，对相邻时间窗k和k+1内神经元放电的相关性进行分析，若神经元与神经元均有放电发生，即则与相关，对应节点间存在连接，反之无连接，进而在所得空间网络的基础上得到多神经元的时空网络

第三步、网络特征分析：

多神经元的时空网络的结构参数，包括各时间窗口内相连的神经元个数d、相互连接神经元簇的个数m、簇连接存在时间长度t、簇连接存在的宽度w

其中，时间窗k内相连的神经元个数

相互连接神经元簇c是指在时空网络中相互连接的神经元集团，且连接仅存在于簇内部，不同簇内的神经元之间无连接，相互连接神经元簇个数m通过对时空网络进行统计得到

第m个簇的连接存在时间长度tm：

其中，表示在时间窗k⁰到时间窗k′之间存在连接的神经元，并且均属于簇cm

簇连接存在的宽度是簇内单个窗口包含最多的神经元个数，第m个簇连接存在的宽度wm＝max{d^k|x^k∈cm}。

与现有技术相比，本发明的有益效果是：

(1)采用多电极阵列可以同时采集并记录大量神经元的放电活动；(2)通过所述方法中的第二步，根据同一个时间窗内神经元放电的相关性以及相邻时间窗内的神经元放电的相关性，可以构建出同时具备空间和时间两个维度的神经元网络；(3)通过所述方法构建得到的多神经元时空网络，一方面可以体现出连续时间内神经元集群的信息传递特性，另一方面，可以体现出神经元网络的瞬时结构随时间的演化过程。

附图说明

图1为本发明神经元时空网络构建方法原理示意图。

具体实施方式

下面结合实施例及附图内容对本发明的技术方案进行清楚完整的描述及说明，但并不以此作为本申请保护范围的限定。

本发明的多电极阵列神经元放电序列的时空网络构建方法，该方法的步骤(如图1所示)包括：

1)划分时间窗：设定时间窗的宽度t，对多电极阵列记录的多神经元放电时间序列进行连续划分；

2)构建时空网络：将各神经元x视为网络节点，根据同一时间窗内神经元放电的相关性及相邻时间窗内神经元放电的相关性，构建所有神经元的时空网络；

3)网络特征分析：提取神经元时空网络的结构参数，包括各时间窗口内相连的神经元个数d、相互连接神经元簇的个数m、簇连接存在时间长度t，簇连接存在的宽度w。

本实施例步骤一中，采用直径为5mm的16通道多电极阵列系统mea-2100(包含放大器和数字转换器)对小鼠脑皮层组织进行体外研究，其电极直径为10um，电极间距为30um，采样频率为50khz。在本例中，首先对多电极阵列的实验数据进行处理，其每个通道至少可监测到1个神经元，采用三阶巴特沃斯带通滤波器保留频率为80-2000hz的放电信号，通过基于小波的sorting算法，可分离得到脑皮层15个神经元放电时间序列，如图1a所示。进而设定时间窗的宽度为0.01s，采用这种连续的时间窗将多电极阵列记录的神经元放电序列均匀划分为13段，即总共得到神经元集群的13个瞬时状态。

本实施例步骤二中，将多电极阵列所测的15个神经元(x1、x2、……、x15)作为网络节点，对同一时间窗k(1≤k≤13)内神经元放电的相关性进行分析，若神经元与神经元均有放电发生，即则认为神经元与相关，对应节点间存在连接，反之无连接，从而获得空间网络g，如图1b.a所示。时间窗1中，神经元与神经元均有放电发生，则认为两者存在连接，不放电，则认为与同窗内其它神经元无连接；然后，对相邻时间窗(k和k+1)内神经元放电的相关性进行分析，若神经元与神经元均有放电发生即则与相关，对应节点间存在连接，反之无连接，进而在空间网络的基础上得到多神经元的时空网络如图1b.b所示，时空网络仅显示存在连接的节点。时间窗1和时间窗2中，神经元与神经元均有放电发生，则认为两者存在连接，而不放电，则与时间窗1中的神经元无连接。

本实施例步骤三中，提取神经元时空网络的结构参数，包括各时间窗口内相连的神经元个数d、相互连接神经元簇的个数m、簇连接存在时间长度t、簇连接存在的宽度w。根据公式计算得时间窗k内相连的神经元个数d¹＝5，d²＝3，d³＝7……

相互连接神经元簇c是指在时空网络中相互连接的神经元集团，且连接仅存在于簇内部，不同簇内的神经元之间无连接。通过对时空网络进行统计可得相互连接神经元簇个数m＝3。

第m个簇的连接存在时间长度tm：

本例中，簇c1在时间窗k⁰＝1与k′＝5之间存在持续的连接，因此由上式可得簇连接存在时间长度t1＝5。同理，对于簇c2和c3，簇连接存在时间长度分别为t2＝3，t3＝3。

簇连接存在的宽度是簇内单个窗口包含最多的神经元个数，第m个簇连接存在的宽度为wm＝max{d^k|x^k∈cm}，计算可得w1＝7，w2＝4，w3＝4。

综上所述，本实施例为一种多电极阵列神经元放电序列的时空网络构建方法，该方法的步骤是：首先，设定时间窗的宽度，对多电极阵列记录的多神经元放电时间序列进行均匀划分；其次，将各神经元视为网络节点，根据同一时间窗内神经元放电的相关性及相邻时间窗内神经元放电的相关性，构建所有神经元的时空网络；最后，提取神经元时空网络的结构参数，包括各时间窗口内相连的神经元个数、相互连接神经元簇的个数、簇连接存在时间长度。本发明提供了一种神经元时空网络的构建方法，可用于研究神经元网络的瞬时结构随时间的演化过程。