小鼠视觉刺激下LFP信号与大脑活动周期性的深度分析

本篇论文主要探讨的是小鼠视觉感受区电位信号（Local Field Potential, LFP）与视觉刺激之间的关系，以及这些信号与呼吸周期之间的相互作用。研究对象聚焦在小鼠在睡眠状态和清醒状态下，分别在有或无视觉刺激的情况下的脑部电生理活动。 首先，作者提出一个假设，即动作的起始和结束与神经系统电信号的传递有关，并据此构建了一个理论模型，预测在呼吸动作的转折点（呼气与吸气末），脑电波会呈现出特定的波动模式。他们通过Python编程，分析了小鼠的呼吸动作变化时间点，然后提取并对比前后时间段的脑电波，利用T检验评估差异的显著性，以此验证了该模型的可行性。 问题三深入分析了清醒状态下小鼠LFP的周期性，通过自相关和互相关模型发现其与呼吸对应的脑电波存在相关性。进一步使用分形分析方法（DFA）和最小二乘法拟合，确认了LFP变化具有周期性，且与呼吸周期非线性相关。 问题四的核心是独立成分分析(ICA)，利用Infomax算法对脑电波数据进行处理。通过对总信息熵和各成分间互信息的计算，通过循环迭代找到最优的独立成分分解。通过对照实验优化了分解结果，以分离出与呼吸相关的脑电波成分。 论文的关键突破在于采用改进的周期图法和Welch法计算功率谱，这表明该方法适用于视觉刺激相关脑电波信号的分离。通过对多条件下的数据整合和ICA算法的应用，成功地分离出了视觉相关的脑电波。研究者进而对这些视觉相关的脑电波进行了更深层次的分析，探讨了它们内在周期性的机制以及与外部视觉刺激的关联性。 这项研究结合了神经生理学原理和统计分析技术，揭示了小鼠视觉感受区电位信号如何响应视觉刺激，并揭示了这些信号与呼吸节律的复杂交互关系，对于理解大脑感知和处理视觉信息的机制具有重要意义。