基于PCA和改进K均值算法的动作电位分类

• 作者: 师黎 杨振兴 王岩 王治忠
• 来源期刊: 计算机工程
• 学科: 医学
• 关键词: 微电极阵列 主元分析 特征提取 改进K均值 动作电位分类
• 年，卷（期）: 2011,（16）
• 所属期刊栏目: 人工智能识别技术
• 页码范围: 182-184,187
• 分类号: R318.04|TP391.4
• 字数: 4017字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.16.062

摘要

微电极阵列记录的神经元信号往往是电极临近区域数个神经元的动作电位信号以及大量背景噪声的混叠,研究神经系统的信息处理机制以及神经编码、解码机理需了解相关每个神经元的动作电位,因此需从记录信号中分离出每个神经元的动作电位.基于此,提出基于主元分析(PCA)和改进K均值相结合的动作电位分类方法.该方法采用PCA提取动作电位特征,使用改进K均值算法实现动作电位分类.实验结果表明,该方法降低了动作电位的特征维数以及K均值算法对初始分类重心的依赖,提高动作电位分类结果的正确率及稳定性.尤其是在处理低信噪比信号时,分类正确率仍能达到理想水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王岩	郑州大学电气工程学院	170	2188	25.0	38.0
2	师黎	郑州大学电气工程学院	77	455	12.0	18.0
3	王治忠	郑州大学电气工程学院	19	53	4.0	7.0
4	杨振兴	郑州大学电气工程学院	1	9	1.0	1.0