دوره 68، شماره 11 - ( 11-1389 )                   جلد 68 شماره 11 صفحات 643-638 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
M T K, A H J, A K, H A, MJ A. Neuronal spike sorting based on radial basis function neural networks. Tehran Univ Med J 2011; 68 (11) :638-643
URL: http://tumj.tums.ac.ir/article-1-290-fa.html
تقوی کنی مصطفی، جعفری امیرهمایون، خوشنویسان علیرضا، عرب علی بیک حسین، ابوالحسنی محمدجواد. طبقه‌بندی پتانسیل‌های عمل نرونی با استفاده از شبکه‌های عصبی شعاعی. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1389; 68 (11) :638-643

URL: http://tumj.tums.ac.ir/article-1-290-fa.html

طبقه‌بندی پتانسیل‌های عمل نرونی با استفاده از شبکه‌های عصبی شعاعی
مصطفی تقوی کنی1 ، امیرهمایون جعفری1 ، علیرضا خوشنویسان* 2، حسین عرب علی بیک1 ، محمدجواد ابوالحسنی1
1- گروه مهندسی پزشکی، مرکز تحقیقات علوم دانشگاه علوم پزشکی تهران
2- گروه جراحی اعصاب، بیمارستان شریعتی دانشگاه علوم پزشکی تهران ، akhoshnevisan@yahoo.com
چکیده:   (5539 مشاهده)
زمینه و هدف: اهدافی نظیر مطالعه رفتار جمعیت‌های نرونی، کشف مکانیزم‌های ارتباطی مغز با سایر اندام‌ها، کشف روش‌های درمان بیماری‌های سیستم عصبی و ساخت پروتزهای عصبی مصنوعی، نیازمند به‌کارگیری الگوریتم‌هایی خودکار برای طبقه‌بندی اسپایک‌های نرونی می‌باشند. با این حال به‌دلیل نسبت پایین سیگنال به نویز در اسپایک‌های نرونی، طبقه‌بندی این سیگنال‌ها پروسه‌ای دشوار محسوب می‌شود. در این پژوهش، به‌دنبال طراحی الگوریتمی خودکار، برای طبقه‌بندی اسپایک‌های هم‌شکل ثبت شده از یک ناحیه مشخص از سیستم اعصاب می‌باشیم.

روش بررسی: پروسه طبقه‌بندی اسپایک‌های نرونی، عموماً از سه مرحله آشکارسازی، استخراج ویژگی و طبقه‌بندی تشکیل شده است. در این مقاله ابتدا با به‌کارگیری آماره‌های سیگنال، اسپایک‌ها را از داده خام اولیه جداسازی نمودیم (مرحله آشکارسازی) و در مرحله بعد، با انتخاب تعداد محدودی از اسپایک‌ها به‌عنوان نمونه (ویژگی)، به آموزش یک شبکه عصبی RBF، جهت طبقه‌بندی این سیگنال‌ها پرداختیم. ایده استفاده از شبکه‌های عصبی شعاعی، امکان غلبه بر مشکل عدم تفکیک‌پذیری خطی را که در غالب مسایل طبقه‌بندی سیگنال‌های نرونی وجود دارد، به‌وجود آورده است.

یافته‌ها: الگوریتم ارایه شده، قادر است پس از یادگیری تعداد محدودی اسپایک به‌عنوان نمونه، هر تعداد اسپایک را (از همان مجموعه آموخته شده) طبقه‌بندی نماید. نتایج به‌دست آمده از شبیه‌سازی‌ها نشان می‌دهند که گرچه این الگوریتم Radial Basis Spike Sorter (RBSS) دارای خطای مثبت- کاذبی تقریباً مشابه با سایر الگوریتم‌ها می‌باشد، با این حال در عین سادگی و با حفظ کمترین پیچیدگی محاسباتی، از سرعت نسبتاً بالاتری برخوردار است.

نتیجه‌گیری: الگوریتم طراحی شده، می‌تواند برای اهدافی که در آن‌ها به پردازش و طبقه‌بندی بلادرنگ اسپایک‌ها نیاز است، به‌کار برود.

واژه‌های کلیدی: طبقه‌بندی اسپایک‌های نرونی، شبکه‌های عصبی RBF، ثبت برون، سلولی، مهندسی اعصاب
متن کامل [PDF 396 kb]   (2520 دریافت)    
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb