小鼠视觉刺激下的LFP与相关系数算法：信号分析与模型建立

本研究论文聚焦于"相关系数算法在小鼠视觉感受区电位信号（Local Field Potential, LFP）与视觉刺激之间关系的研究"。作者运用多种高级信号处理技术，如小波变换、独立分量分析（ICA）、平均经验模态分解（EEMD），来深入探究小鼠在不同状态下的大脑活动与视觉刺激的关联。 首先，针对小鼠的呼吸过程，作者构建了一个呼吸相关脑电波模型，通过分解呼吸为"呼"和"吸"两个过程，利用固定阈值法和过零点检测等技术获取生理参数，并通过假设检验验证模型的准确性。这有助于理解脑电波如何与基本生理活动同步。 在问题二中，通过ICA去除噪声后，分析了睡眠状态下小鼠视觉感受区LFP的周期节律，利用峰电位和带通滤波技术提取与呼吸相关的信号，并采用区间估计法和Rayleigh检验来判定脑电波与呼吸的相位锁定，即两者存在明显的同步。 在清醒状态下，问题三通过小波变换分析LFP，发现其周期性变化与呼吸有关。通过自相关系数和频率谱、功率谱分析，证实了呼吸节律对LFP的影响。进而通过多元线性回归和交叉二次模型，理论上证明了视觉感受区的LFP与呼吸的LFP周期变化并非简单的线性关系，而是呈现出更复杂的相关性。 问题四中，通过EEMD处理LFP，解决了模态混叠问题，提出了一种基于互相关度的伪分量检验算法，有效地区分出与视觉刺激相关的有效成分。这使得研究人员能够准确地分离出小鼠在睡眠和清醒无视觉刺激状态下与呼吸相关的脑电波信号。 最后，在问题五中，通过对小鼠视觉刺激的处理，研究了视觉刺激如何影响脑电波信号，尤其是在不同认知状态下的影响，这为进一步理解大脑视觉功能及其与生理活动的交互提供了宝贵的实证数据。 这项研究不仅展示了相关系数算法在生物电信号处理中的应用，还揭示了小鼠大脑在不同状态下对视觉刺激的响应模式，为神经科学和行为神经生物学领域的研究提供了新的视角和方法论支持。