神经元的形态分类和识别热身训练

《神经元的形态分类和识别热身训练》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、神经元的形态分类和识别摘要本文通过主成分分析法对神经元几何形态特征进行分析，得到判断的几何特征主成分，之后计算样本的马氏距离对未知类型的神经元进行了归类，得到了一种对神经细胞根据几何形态特征进行分类的步骤方法。首先，我们对swc数据进行了处理，以数据中的七个样本点为基础得到了衡量神经元几何特征的20个指标中的11个，这11个指标具有不随种类，成熟度及测量情况而改变的稳定性。通过对这些数据的初步分析，得到了一些从整体上进行判断的几何特征。之后运用主成分分析法又对这11个指标进行了降维处理，在尽可能少损失信息的情况下得出了几何特

2、征中的主成分，至此我们得到了对神经元进行几何分类的所有特征：破碎度，欧氏距离，路径距离，高深比和胞体的有无。接着再以主成分为基础运用判别分析法，以马氏距离进行位置样本的判别。在对位置样本判别前，我们首先对附录A中的样本进行了判别准确性的验证，在判别中，用判别分析法判别的准确率达到了80%。之后我们以此对附录B中的未知样本进行了判别归类，发现了附录B中新种类的神经元。然后，以前面分析和计算的结果为基础，对以几何特征进行神经元分类提出了神经元聚合程度形态分析法，主要依据聚合程度对神经元进行了命名。在对不同种类动物的同类神经元细胞

3、的分析中，分析结果显示不同种类的神经元细胞间基本没有几何形态上的差别，可以认为它们在几何形态上是相同的。最后我们依据神经元的成熟度对其形态特征的变化趋势进行了分析，数据结果与我们的理论预测相吻合，即细胞越成熟几何形态越趋于稳定。关键字：1问题重述大脑是生物体内结构和功能最复杂的组织，其中包含上千亿个神经细胞（神经元）。作为大脑构造的基本单位，神经元的结构和功能包含很多因素,其中神经元的几何形态特征和电学物理特性是两个重要方面。而其中几何形态特征主要包括神经元的空间构象，具体包含接受信息的树突，处理信息的胞体和传出信息的轴突三

4、部分结构。对神经元特性的认识，最基本问题是神经元的分类。目前，关于神经元的简单分类法主要有：（1）根据突起的多少可将神经元分为多极神经元；双极神经元和单极神经元。（2）根据神经元的功能又可分为主神经元，感觉神经元，运动神经元和中间神经元等。但由于树突，轴突的的生长变化，神经元的几何形态千变万化。如何识别区分不同类别的神经元，这个问题目前科学上仍没有解决。在本模型中只考虑神经元的几何形态，研究如何利用神经元的空间几何特征，并通过数据分析和数学建模给出神经元的一个空间形态分类方法，将神经元根据几何形态比较准确地分类识别，并根据神

5、经元的形态数据对未分类的神经元进行分类，提出神经元按几何特征分类的合理建议。然后分析不同种动物的同种神经元是否有着明显的形态及差异，并预测神经元岁年龄增长的形态变化。2问题分析首先，根据在题目的附录中给出的部分神经元的房室模型的swc格式的数据，需首先对其进行数据提取与分析，得到对判别几何特征有直接作用的稳定数据。通过数据处理，得出题目中给出的已定义的神经元的近20个形态特征数据（胞体表面积,干的数目,分叉数目,分支数目,宽度,高度,深度,直径,长度,表面积,体积、树干锥度、分支幂律和分支角度），若计算的数据与题目中的数据吻

6、合则说明处理数据的方法正确，则该数据处理方法可用于其他未给出处理结果的神经元。经过这样的数据处理，可以挖掘swc格式中的有效信息。然后对这些数据作进一步的分析处理，得到对神经元分类有直接作用的稳定数据。稳定数据是指这些几何特征数据不随着细胞的生长而产生较大波动，不因细胞来自不同的动物种类而有巨大差异，同时也不因细胞测量时伸展程度而变化的数据。通过数据的进一步处理与筛选，得到了11个稳定的特征数据。对这些数据运用主成分分析法进行进一步的降维处理，得到每类数据的特征值向量，以此作为每类神经元的几何特征判别标准表。最后在第二问中，

7、根据第一问得到的特征值向量，运用判别分析法对附录B中的未分类神经元进行判别，并根据判别过程和结果给出细胞分类的建议和进一步细分的方法。3模型假设1树突不会长成闭环型2房室为圆柱体，胞体为球体3房室模型中的空间x,y,z坐标位于房室的底部，即距胞体的远端4子房室与母房室的路径为直线。4符号定义x房室的空间x坐标y房室的空间y坐标z房室的空间z坐标r房室的半径dmax神经元的欧氏距离样本标准化后的标准化阵n个样本在第j类指标下方差的平均值n个样本在第j类指标下方差的平均值R标准化阵Z的相关矩阵相关矩阵R特征方程的特征值第k个主成

8、分的方差贡献率G待考察的样本总体X给定的样本总体U总体的均值向量∑总体样本的协方差矩阵样本X与总体G的马氏距离5模型的建立数据的初步分析与处理在附录中给出的数据是将神经元分割后的房室模型描述，房室模型是将单个神经细胞（神经元），分割为上百个连续的房室，以便精确分析。对每个房室，数据表中给出