基于多维网络活动特征的NetworkBurst时序窗口识别方法及系统
本发明属于神经科学、生物电子学和类脑计算,尤其是涉及基于多维网络活动特征的network burst时序窗口识别方法及系统。
背景技术:
1、体外培养生物神经网络是研究神经信息编码、突触可塑性以及生物智能计算的重要模型。随着微电极阵列(microelectrode array, mea)技术的发展,研究人员能够在体外培养神经元网络中同步开展多通道神经电活动记录和外源电刺激输入,从而研究网络自发活动规律以及外部刺激诱发的响应特征。
2、在体外培养生物神经网络的自发活动过程中,群体同步放电事件较为常见,即网络爆发放电(network burst)。network burst 通常表现为多个神经元在较短时间窗口内产生同步或近同步放电,其发生频率、持续时间、参与电极数量、传播特征以及内部活动演化过程能够反映网络兴奋性、同步性及连接状态变化。因此,network burst 可作为描述体外培养生物神经网络动态活动的重要内源性时间参考。
3、现有技术中,已有利用微电极阵列对体外培养神经网络进行刺激调控的相关方案。例如,公开号为 cn115810138a 的中国专利文献公开了一种基于多电极阵列体外培养神经元网络的图像识别方法,其通过分区刺激方式向体外培养神经网络施加不同空间模式的开环刺激,研究了生物神经网络对外部输入刺激的响应特征以及训练后的功能变化。该方法表明体外培养生物神经网络能够受到外部刺激调控,并可在刺激训练过程中表现出响应特征改变。
4、在闭环神经调控领域,已有基于神经信号动态特征选择刺激时机的方法。例如,公开号为 cn108355246a 的中国专利文献公开了一种基于相响应曲线的最佳闭环 dbs 治疗系统,根据局部场电位信号的瞬时相位,在特定相位窗口内输出刺激指令;公开号为cn115089196a 的的中国专利文献公开了一种在线信号时相检测方法及闭环调控系统,通过实时检测在线信号所处时相并执行闭环控制。上述方法说明神经信号中的时间结构信息能够用于优化刺激时机选择。然而,上述方法主要针对连续振荡信号或具有明确周期性的信号特征,而体外培养生物神经网络活动通常表现为突发性、离散性和多通道同步变化,其network burst 事件缺乏连续周期振荡信号所具有的稳定相位结构,尤其难以利用network burst 内部非周期性动态演化过程确定刺激窗口。
5、现有技术虽然已经涉及体外培养神经网络刺激训练以及闭环神经调控等方向,但仍存在以下不足:
6、其一,现有体外培养生物神经网络刺激方法多采用固定刺激频率、固定时间间隔或预设空间模式的开环刺激方式,刺激触发时刻通常与网络当前自发活动状态缺乏实时匹配,使得相同刺激条件在不同网络活动状态下可能产生不同甚至不稳定的响应结果;
7、其二,体外培养生物神经网络的自发活动具有明显的突发性、离散性和多通道同步特征,现有方法通常仅对放电频率、burst 持续时间、参与电极数量或同步性等整体统计指标进行分析,缺少将 network burst 内部动态过程转化为可用于实时刺激时机选择的时序描述方法;
8、其三,现有方法缺乏针对 network burst 内部演化过程的精细化表征,难以区分burst 前期、起始、上升、峰值、下降及恢复等不同动态窗口,导致刺激时机选择缺少与网络内源性活动状态相匹配的依据。
技术实现思路
1、针对现有技术中体外培养生物神经网络刺激方案固定、刺激过程难以匹配网络自发状态、以及缺乏利用网络内源性动态活动进行刺激窗口识别等问题,本发明提供了基于多维网络活动特征的network burst时序窗口识别方法及系统,可以实现面向体外培养生物神经网络动态状态的刺激时机精准调控。
2、一种基于多维网络活动特征的network burst时序窗口识别方法,包括以下步骤:
3、(1)在微电极阵列芯片上培养神经元细胞,形成具有稳定自发 network burst 活动的体外培养生物神经网络;
4、(2)采集体外培养生物神经网络的基线自发电活动,提取多个典型 networkburst,计算群体放电强度、参与电极比例和群体放电变化趋势,建立个体化 networkburst 时序调控坐标;
5、(3)对闭环采集的体外培养生物神经网络的电活动信号计算实时特征向量,采用基于距离匹配的方法与个体化 network burst 时序调控坐标进行匹配,确定当前网络活动所处的 burst 调控窗口,并输出当前 burst 调控窗口标签和窗口内相对时刻信息;
6、(4)根据目标网络状态选择目标 burst 调控窗口、刺激位点和刺激参数,当识别到目标 burst 调控窗口时,对选定刺激位点施加电刺激,并采集刺激后的网络响应;
7、(5)将刺激触发时刻对应的 burst 调控窗口及窗口内相对时刻信息作为网络状态,将刺激位点和刺激参数作为刺激条件,将刺激后的即时诱发响应和后续网络状态变化作为响应结果,建立网络状态、刺激条件与响应结果之间的对应关系,评价不同时序刺激条件下的调控效果。
8、本发明的核心在于:将体外培养生物神经网络的自发 network burst 活动作为内源性时间参考,建立个体化 network burst 时序调控坐标;在实时实验过程中识别当前网络活动所处的 burst 调控窗口,并在目标 burst 调控窗口内触发刺激;通过对不同调控窗口下刺激产生的网络响应和长期网络状态变化进行评价,筛选有效刺激时机,并通过重复时序刺激诱导网络响应模式和输入输出关系发生稳定变化,从而实现功能化生物神经网络的构建。
9、进一步地,步骤(1)中,所述微电极阵列芯片采用平面微电极阵列芯片、高密度微电极阵列芯片、互补金属氧化物半导体微电极阵列芯片或三维微电极阵列芯片;
10、所述体外培养生物神经网络为原代神经元网络、诱导多能干细胞分化神经元网络、脑片或脑类器官。
11、将神经元细胞接种于微电极阵列芯片表面并进行体外培养,使神经元逐渐形成突触连接并产生自发活动。当培养物出现稳定自发放电、重复发生的 network burst 以及相对稳定的参与电极分布时,判定该培养物达到可用于闭环刺激实验的成熟状态。
12、进一步地,步骤(1)中,所述稳定自发 network burst 活动通过连续采集预设时间内的多个 network burst 事件,并基于 burst 发生频率、burst 持续时间、burst 间隔分布、参与电极比例、早期参与电极分布或传播顺序中的一种或多种进行判断;
13、其中,所述预设采集时间为10min~1h,所述 network burst 事件不少于20个;当连续5~10个 network burst 事件的对应统计特征变异系数小于预设阈值时,判定所述体外培养生物神经网络达到稳定自发活动状态。
14、进一步地,步骤(2)中,在未施加外部刺激的条件下,通过微电极阵列连续采集体外培养生物神经网络的基线自发活动信号,并通过信号处理获得多通道放电事件序列。所述信号处理包括但不限于信号滤波、去噪、刺激伪迹去除、峰电位检测以及放电事件提取。
15、基于所述多通道放电事件序列,确定有效记录电极集合,并计算该培养物的基线活动特征,所述基线活动特征包括基线发放率、放电密度、network burst 发生频率、burst持续时间、burst 间隔以及群体放电水平。
16、进一步地,步骤(2)中,基于标准化活动强度计算群体放电强度、参与电极比例和群体放电变化趋势,
17、进一步地,步骤(2)中,所述个体化 network burst 时序调控坐标包括 burst 前期窗口、burst 起始窗口、burst 上升窗口、burst 峰值窗口、burst 下降窗口和 burst 恢复窗口中的一种或多种。
18、burst 调控窗口基于多个基线 network burst 事件的统计特征变化进行划分:
19、所述 burst 前期窗口为群体放电强度或参与电极比例高于基线水平且未达到burst 起始阈值的时间区间;
20、所述 burst 起始窗口为群体放电强度和参与电极比例同时超过对应起始阈值,并持续10 ms~30 ms的时间区间;
21、所述 burst 上升窗口为群体放电变化趋势高于上升阈值且群体放电强度持续增加的时间区间;
22、所述 burst 峰值窗口为群体放电强度达到基线 network burst 峰值活动水平的80%~100%,且群体放电变化趋势趋于稳定或转为负值的时间区间;
23、所述 burst 下降窗口为群体放电强度下降且仍高于基线活动水平的时间区间;
24、所述 burst 恢复窗口为群体放电强度和参与电极比例恢复至基线范围的时间区间,其中恢复范围为基线均值±5%~30%。
25、进一步地,步骤(3)中,在闭环实验过程中,系统持续采集体外培养生物神经网络的多通道电活动信号,并通过信号处理模块获得实时多通道放电序列。
26、基于步骤(2)建立的个体化 network burst 时序调控坐标,对实时网络活动进行分析,计算当前群体放电强度、当前参与电极比例以及当前群体放电变化趋势,根据上述网络活动特征构建实时状态特征向量,并采用欧氏距离、马氏距离或最近邻匹配方法,将实时状态特征向量与个体化 network burst 时序调控坐标进行匹配,确定当前 burst 调控窗口。
27、所述burst 调控窗口包括:burst 前期窗口、burst 起始窗口、burst 上升窗口、burst 峰值窗口、burst 下降窗口和 burst 恢复窗口。
28、系统根据实时网络活动特征,将当前 network burst 时序状态映射至对应burst 调控窗口,并输出当前 burst 调控窗口标签及窗口内相对时刻信息,用于后续刺激触发。
29、进一步地,步骤(4)中,对选定刺激位点施加电刺激,刺激触发方式包括在识别到目标 burst 调控窗口时立即触发刺激,或者以 burst 起始时刻为参考在预设延迟时间后触发刺激,其中所述预设延迟时间为相对于 burst 起始时刻后10 ms~1000 ms。
30、进一步地,步骤(4)中,所述刺激位点为微电极阵列芯片中的一个或多个电极;
31、所述刺激位点包括:预设刺激电极、根据基线记录中得到的参与 burst 频率排名前5%~20% 的稳定参与电极、预实验刺激中具有稳定诱发响应的响应电极或典型传播路径确定的关键传播电极。
32、进一步地,步骤(4)中,电刺激包括单脉冲刺激、脉冲串刺激或多电极空间模式刺激;刺激参数包括:
33、刺激幅值为电压模式刺激幅值10 mv~1000 mv或电流刺激1 μa~1 ma;
34、脉冲宽度为50 μs~800 μs;
35、刺激频率为0.1 hz~200 hz;
36、刺激脉冲数量为1~10000个;
37、刺激电极组合数量为1~32个。
38、进一步地,步骤(4)中,所述目标网络状态包括增强特定诱发响应概率、改变响应传播路径、调节后续 burst 间隔、提高响应稳定性、降低过度同步活动、促进网络恢复至基线状态和诱导特定网络活动模式中的一种或多种。
39、进一步地,步骤(5)中,所述网络状态包括刺激触发时对应的 burst 调控窗口、窗口内相对时刻信息以及刺激前网络活动三维特征向量;所述刺激条件包括刺激参数和刺激位点;所述响应结果包括刺激后即时诱发响应特征和后续网络状态变化特征;
40、其中,即时诱发响应的观测窗口为刺激后3 ms~1 s,响应特征包括诱发成功率、响应强度、响应持续时间、参与电极范围和传播路径中的一种或多种;后续网络状态变化特征的观测窗口为刺激后1 s~600 s,特征包括 burst 间隔、burst 持续时间、参与电极比例、网络时序状态变化中的一种或多种。
41、一种基于多维网络活动特征的network burst时序窗口识别系统,用于实现上述network burst时序窗口识别方法,包括:
42、生物培养与记录模块,用于承载体外培养生物神经网络,并进行多通道电活动记录和电刺激输出;
43、信号采集与处理模块,用于采集多通道电活动信号并进行预处理;
44、network burst 时序调控坐标建立模块,用于采集体外培养生物神经网络的基线自发活动,提取典型 network burst,并建立个体化 network burst 时序调控坐标;
45、实时调控窗口识别模块,用于在实时刺激实验过程中计算当前网络活动特征,并将网络活动特征与个体化 network burst 时序调控坐标进行匹配;
46、时序刺激实施模块,用于根据目标网络状态、目标 burst 调控窗口、刺激位点和刺激参数施加电刺激;
47、调控效果评价模块,用于基于刺激触发时刻对应的 burst 调控窗口、刺激条件以及刺激后网络响应结果,建立网络状态—刺激条件—响应结果之间的对应关系。
48、所述实时调控窗口识别模块包括实时状态特征计算单元和状态匹配单元;其中,所述实时状态特征计算单元用于计算当前窗口的实时网络特征向量,所述窗口为10 ms~50 ms;所述状态匹配单元用于将当前实时网络特征向量与时序调控坐标匹配。
49、所述调控效果评价模块分别与所述实时调控窗口识别模块、时序刺激实施模块以及信号处理模块连接,用于获取刺激前网络状态信息、刺激控制参数以及刺激后网络响应信息,并生成不同 burst 调控窗口对应的刺激效果评价结果。
50、本发明通过重复执行目标 burst 调控窗口对应的时序刺激,使体外培养生物神经网络产生持续性的网络状态变化,并形成具有特定输入刺激与输出响应关系的功能化生物神经网络。所述功能化生物神经网络可用于构建具有特定输入输出映射关系的信息处理网络、生物计算网络或类脑计算网络。
51、与现有技术相比,本发明具有以下有益效果:
52、1、本发明将体外培养生物神经网络中的 network burst 从传统整体统计事件转化为用于刺激时机选择的个体化时序调控坐标,使刺激触发时刻能够与网络内源性活动状态相匹配,提高刺激时机选择的准确性。
53、2、本发明根据不同培养物的基线自发活动特征建立个体化 network burst 时序调控坐标,并实时识别 burst 调控窗口,降低固定刺激时间和统一判定条件导致的个体差异影响,提高方法在不同体外培养生物神经网络中的适用性。
54、3、本发明建立“网络状态—刺激条件—响应结果”的统一评价框架,能够系统比较不同 burst 调控窗口及不同刺激条件下产生的网络响应差异,为筛选有效刺激时机和构建时序精准刺激策略提供量化依据。
55、4、本发明通过将 network burst 时序状态作为刺激时机选择依据,并结合长期重复时序刺激,可诱导体外培养生物神经网络形成稳定的响应模式、传播特征或输入输出映射关系,为构建具有信息编码能力和可调控动态行为的功能化生物神经网络提供技术方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com