Automatická detekce akčních potenciálů neuronů z mikroelektrodových signálů

Abstract

Před analýzou mikroEEG záznamů zachycených mikroelektrodami při hloubkové mozkové stimulaci je nutné oddělit signál od šumu, tedy detekovat v záznamu akční potenciály neuronů, které jsou dále tříděny a zpracovávány. Spolehlivě v záznamu detekovat akční potenciály je obtížné, protože šum je podobný signálu ve frekvenční i časové oblasti záznamu. V současnosti již pro detekci i třídění akčních potenciálů existuje řada algoritmů, které pro řešení této problematiky využívají celou škálu metod, avšak většina z nich není veřejně dostupná. Cílem této práce je tedy vytvořit volně šiřitelný automatický algoritmus detekce akčních potenciálů, který nahradí nevyhovující detekční algoritmus v současnosti používaný na katedře kybernetiky. S využitím tří metod detekce spiků byl vytvořen algoritmus s automaticky nastavovaným prahem, který v přesnosti detekce překonal dosud používaný algoritmus s p < 0.01.

For the analysis of microEEG recordings captured with microelectrodes during deep brain stimulation it is necessary to separate the signal from the noise by detection of neural action potentials, which are then further sorted and processed. It is difficult to reliably detect action potentials in microEEG recordings because the noise is similar to the signal in time and frequency domain. Currently many spike detection and sorting algorithms exist, which tackle these problems by variety of methods, however they are usually inaccessible to the public. The aim of this work is thus to create a free and automatic spike detection algorithm to replace the inadequate detection algorithm currently used by the Department of Cybernetics. Using three different spike detection methods an algorithm with an automatically adjusted threshold was created, which surpassed currently used algorithm in detection accuracy with p < 0.01.