基于模型分類算法的針刺神經元放電不應期的分析

秦晴

（天津職業技術師范大學，天津300222）

針灸作為中國傳統醫學的重要組成部分，具有自身的鮮明特色和獨特優勢，現代臨床和實驗研究表明，針刺在鎮痛、醒腦開竅等方面卓有成效。目前，黨中央把中醫藥工作擺在更加突出的位置，要求加強中醫優勢專科建設，做優做強針灸等專科專病，同時國外對針灸學的研究愈發重視。針刺療效與針刺頻率密切相關，針刺頻率越高，神經元的響應活動越豐富。然而，針刺頻率并不是越高越好。過高的針刺頻率會導致神經元進入不應期，另外，過高的針刺頻率在治療疾病的過程中也會增加施針者的困難和患者的痛感。因此，尋找針刺神經元不應期內有效的刺激頻率范圍是針刺臨床治療的重要工作。

動作電位是神經響應過程中最基本的通信單位，隨著多電極采集技術的快速發展，實驗者已經能夠同時獲取成百個通道的神經電信號。因此，從電極的采集信號中準確地提取單神經元的放電序列是一切研究工作的前提。傳統的分類算法定義一個或幾個時間窗為特定神經元的放電波形，然后在時間軸上進行滑動對比，形狀相同的放電波形就是該神經元的動作電位。但是這種算法存在一些缺點。首先，實驗者需要人為地選取作為參考的時間窗，這在成百個通道的分類處理中是不實際的。另外，放電波形的疊加和背景噪聲都能產生變形的放電波形，此時分類效果會明顯變差，變異的放電波形被剔除，大量的放電信息被遺漏。為了解決這個問題，本文采用了一種基于模型的分類優化算法，有效地辨識變異的放電波形，從而降低動作電位的漏檢率，提高分類結果的準確性。同時在此基礎上，統計分析不同頻率針刺所誘發的放電事件，獲取針刺神經元不應期內有效的刺激頻率范圍。

1 模型優化分類算法

本節以傳統分類算法的結果作為初值，采用一種基于模型的優化分類算法，辨識漏檢的變異波形，準確地獲得單神經元的放電序列。首先，假設t 時刻電極記錄的膜電壓是神經元集群中所有放電波形在t 時刻以不同形式的線性疊加，建立t 時刻膜電壓的生成模型：

令該后驗概率函數取最大值，從而將單神經元的放電序列估計出來。

采用針刺大鼠足三里實驗中脊髓背角神經元的放電活動作為原始數據，以針刺頻率60 次/分鐘為例，分別進行兩種算法的放電分類，并比較它們的分類效果。分類結果如圖1 所示，模型分類算法在0-12 秒內多檢測了12 個放電（紅色圓點），大大提高了分類的準確性。

圖1 兩種算法的分類比較

2 不應期內的有效針刺頻率

為了獲取針刺神經元不應期內有效的刺激頻率范圍，本節以針刺頻率30 次/分鐘，60 次/分鐘，120 次/分鐘和180 次/分鐘為研究對象，采用模型分類算法，對不同頻率針刺條件下神經元的響應活動進行統計分析。四種針刺頻率條件下神經元的放電率，如表1 所示。結果表明，針刺頻率在30-120 次/分鐘內，隨著頻率的增大，神經元放電率也增大；當針刺頻率大于120 次/分鐘，神經元放電率并沒有明顯的增大，神經元逐步進入不應期。因此，針刺神經元不應期內的有效針刺頻率范圍是30-120次/分鐘。

表1 四種針刺頻率條件下神經元放電放電率

3 結論

本文根據針刺實驗中電極記錄的原始信號，采用模型優化分類算法，克服了傳統分類算法中波形變異的問題，準確地估計出脊髓背角神經元的放電序列。然后，對不同頻率針刺條件下神經元放電事件進行統計分析，結果發現針刺神經元不應期內的有效針刺頻率范圍是30-120 次/分鐘。這一結論為針刺臨床治療中針刺頻率的選取提供了一定的理論基礎。