小鼠视觉LFP与视觉刺激：时间序列分解与多尺度关联研究

本研究论文深入探讨了小鼠大脑皮层视觉感受区电位信号(LFP，Local Field Potential)与视觉刺激之间的复杂关系，结合时间序列分解算法，从两个主要问题出发，对神经生理现象进行了系统研究。 首先，针对问题一，作者构建了一个神经细胞膜等效电路模型，基于Hodgkin-Huxley模型解析神经冲动传导过程中的电位变化。通过求解H-H微分方程组，研究人员获得了单个神经细胞的电位信息。这个模型允许他们分析细胞如何响应呼吸节律，通过模拟吸气神经元群与吸气切断机制神经元的电位叠加，生成了与呼吸同步的脑电波活动。 其次，对于问题二，作者提出了多尺度相关分析的新方法，以克服常规相关分析的局限。他们使用小波阈值去噪技术处理原始脑电波数据，然后通过小波分解和经验模态分解实现信号的多尺度分解。这样可以揭示不同频率成分之间的复杂关系，但结果显示呼吸与LFP信号的关联性较低，最大相关系数仅为0.2794，这促使研究者探索更有效的信号分离模型，以处理弱信号的提取。 针对问题三，研究者构建了周期特征自相关模型，通过周期特征自相关系数评估时间序列信号的周期性。经过噪声处理后的信号周期特征相关系数变化明显，反映出原始信号的周期性可能受到脑电波复杂成分、频谱混叠以及噪声干扰的显著影响。 论文进一步通过计算线性相关系数、Spearman等级相关系数和Kendall等级相关系数，对视觉感受区电位信号与呼吸对应脑电波的关联性进行了全面分析。尽管存在较多不确定性，但这些统计量提供了量化评估两者关系的重要依据。 这篇论文不仅探讨了神经生理信号处理中的关键问题，还展示了如何利用现代信号处理技术深入理解生物体内的复杂交互，特别是小鼠大脑在视觉刺激下的动态反应。这对于神经科学领域，尤其是神经编码和认知功能研究具有重要意义。