| 姓名 |
歐靜文(Jing-wen Ou)
查詢紙本館藏 |
畢業系所 |
數學系 |
| 論文名稱 |
大腦視丘神經元之連發波訊號的自動偵測與分類
(Automatic Detection and Classification of Bursts in Brain Thalamus Neurons)
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  [檢視] [下載]- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
|
| 摘要(中) |
在神經訊號中，最常見到的是單一棘波訊號（spikes），而生物學家在大腦視丘裡紀錄到另一種與 spikes 不同的
訊號，稱之為連發波訊號（bursts）。本文主要在探討 bursts 訊號的特徵，並將特徵具體量化，以利於自動偵測
以及分類 bursts 訊號。
首先我們先介紹神經細胞如何產生動作電位，以及神經訊號的相關背景知識。然後，根據生物學家憑經驗挑選出來
的 bursts 訊號，我們歸納其特徵並建立了三個篩選條件。這三個篩選條件分別是：與時間相關的「間隔條件」、
與振幅相關的「遞減條件」、以及與波形相關的「形似條件」。有了篩選條件之後，接著將這些條件實際運用到一
筆原始訊號中去偵測 bursts。在探測訊號之前，會先對原始訊號做一些基本的前置處理，包含降低取樣頻率以及>濾波。前置處理完後，利用上述三個篩選條件來篩選 bursts 訊號，並利用主成份分析（簡稱 PCA）為 bursts 訊
號做分類。
用生物學家憑經驗挑選出來的 bursts 訊號做測試，經由篩選條件過濾後的結果是被生物學家所接受的。而篩選條
件自原始訊號中所偵測到的 bursts 訊號，也通過了生物學家的檢驗。由此可以看到篩選條件是能夠反應 bursts 訊號的特徵，並有效的偵測出 bursts 訊號。
|
| 摘要(英) |
The most common signals found in nerve signals are isolated spikes. However, biologists have detected signals other than spikes in the thalamus. These are known as bursts. This paper will mainly be examining the characteristics of bursts. Moreover, the data found will be quantified in order to automatically detect and categorize bursts.
First, we will introduce how nerve cells generate action potentials and the background information of nerve signals. Next, according to the bursts selected by a biologist through experience, we will generalize the characteristics and establish three screening conditions. These three screening conditions are as follows: associated with time, the gap condition, associated with amplitude, the decay condition, and associated with waveforms, the shape condition. With these conditions, we will then apply them on to a set of raw data to detect bursts. Before detecting the signals, we will first process the raw data. This includes down sampling and filtering. After processing the raw data, we will automatically detect the bursts using the three screening conditions mentioned above. In addition, using the Principal Component Analysis (PCA), we will then classify the bursts.
Testing with the bursts that the biologist has selected based on his experience, the results collected through the filtering is confirmed. Moreover, the bursts detected from the raw data using the filtering criteria also pass the test. Therefore, we can see that the filtering criteria can reflect the characteristics of bursts and effectively detect them.
|
| 關鍵字(中) |
★ 神經訊號
★ 連發波 |
關鍵字(英) |
★ burst
★ nerve impulse |
| 論文目次 |
1 研究動機
2 背景知識簡介
3 實際訊號處理與分析
3.1 訊號的前置處理
3.2 分析訊號與建立篩選條件
3.2.1 間隔條件
3.2.2 遞減條件
3.2.3 形似條件
3.3 篩選條件的測試
3.4 處理原始訊號以及 bursts 的分類
4 振幅衰減的統計模型
4.1 數值模擬一：Y = RX
4.2 數值模擬二：μY = rμX
4.3 數值模擬三：Y = rX + N
4.4 數據模擬結果與真實數據之比較
5 結論與展望
5.1 結論與探討
5.2 檢討與建議
|
| 參考文獻 |
[1] S. Murray Sherman. A wake-up call from the thalamus. nature neuroscience, volume
4:344–346, 2001.
[2] 吳蕙稜. 神經元電位訊號雜訊之組成分析. Master’s thesis,國立中央大學, 2008.
[3] 單維彰. 凌波初步First Concepts of Wavelets. 全華科技, 1999.
[4] 李易霖. 神經細胞訊號的一種分類方法. Master’s thesis,國立中央大學, 2004.
[5] 柯正玲. 以點過程分析動作電位與行為反應之關聯性. Master’s thesis, 國立中央大學,
2009.
[6] 王錫崗等譯. 人體生理學. 新文京開發出版股份有限公司, 2004.
[7] 謝博文. 自動分類軟體在動作電位上的研究. Master’s thesis,國立中央大學, 2006.
|
| 指導教授 |
單維彰(Wei-chang Shann)
|
審核日期 |
2010-6-25 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
