1/15
طراحی مدار مرتب سازی اسپایک های FPGAعصبی و پیاده سازی آن بر روی
1395مهر 10
ارائه دهنده : هانیه قاسمیاستاد راهنما : دکتر حسین حسینی نژاد
1/19
نحوه تولید اسپایک
نورون ها تشکیل دهنده ی سیستم عصبی
وظیفه ی انتقال پیام عصبی
تولید کننده ی اسپایک های عصبی اند که مبنای تمامی سیگنال های مغزی
است
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
1/19
نحوه تولید اسپایک
پمپ سدیم-پتاسیمسدیم بیرون •
سلول)یون های قرمز(پتاسیم درون سلول •
)یون های آبی(
معرفی اسپایک های عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
1/19
نحوه تولید اسپایک
معرفی اسپایک های عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
حالت استراحتکانال ها بسته اند•غشا در حالت پالریزه •
استپتانسیل داخل غشا•
- میلی 100- تا 70بین ولت
1/19
نحوه تولید اسپایک
معرفی اسپایک های عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
دپوالریزاسیونکانال سدیم باز می شود•غشا نسبت به یون سدیم •
نفوذپذیرسدیم به درون سلول •
نفوذ می کندپتانسیل درون غشا •
افزایش می یابد
1/19
نحوه تولید اسپایک
معرفی اسپایک های عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
رپوالریزاسیونکانال سدیم بسته می شود•کانال پتاسیم باز می شود•پتاسیم به خارج سلول می رود•پتانسیل درون غشا کاهش •
می یابد
1/19
نحوه تولید اسپایک
معرفی اسپایک های عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
پتانسیل عمل پس از تشکیل در یک نقطه از غشای تحریک پذیردر طول غشا گسترش می یابد
2/19
کدگذاری و کدگشایی
مغز، اطالعات را در قالب دنباله ای از اسپایک ها کد می کند.نرخ آتش : میزان تولید اسپایک
توسط یک نورون
نرخ آتش پایین
نرخ آتش باال مرتب سازی
اسپایک هاجمع بندی و
پیشنهادمراجع سیگنال های عصبی
2/19
کدگذاری و کدگشایی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
در این تصویر چه می بینید؟ مفهوم موز 1در مغز میمون •
دریافت می شود. )کد گذاری(مفهوم دریافت شده از مغز •
انتقال 2 به میمون 1میمون یافته است.
از روی پیام مغزی 2میمون •دریافت شده مفهوم موز را بازیابی می کند. )کدگشایی(
1میمون
2میمون
سیگنال های عصبی
3/19
کاربرد پردازش سیگنال های عصبی
کاربرد کدگشایی فرمان های مغزدرک چگونگی کارکرد مغز کشف روش های تشخیص بیماری های
سیستم عصبی ساختار پروتزهای مصنوعی و سیستم های
BCI و BMI
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
4/19
ثبت سیگنال های عصبی
غیر تهاجمی•
تهاجمی•
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
4/19
ثبت سیگنال های عصبی
غیر تهاجمی•
تهاجمی•
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
EEGMEG
FMRI+ دقت زمانی خوب
- دقت مکانی ضعیف
غیر •تهاجمی
سیگنال های عصبی
4/19
ثبت سیگنال های عصبی
غیر تهاجمی•
تهاجمی• تهاجم•ی
ECOGIntra-cortical
* Intracelular * Extracelular
+ دقت زمانی خوب + دقت مکانی خوب
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
5/19
cبرون سلولی cثبت
Extracellular
تک سلولی
چند سلولی
الکترود به اندازه کافی به سلول نزدیک می شود
فعالیت سایر نورون ها روی فعالیت نورون موردنظر کم اثر
الکترود ثبت در نقطه ای بین سلول ها قرار می گیرد
فعالیت چندین سلول مجاور را ثبت می کند
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
6/19 سیگنال های عصبی
cتعریف مرتب سازی
سیگنال حاصل از ثبت، برآیندی از فعالیت چندین
سلول مجاور است.هدف نهایی: هر سلول
کدام اسپایک را تولید کرده است؟
سوال: چگونه اسپایک ها را مرتب کنیم ؟
اسپایک های هر نورون شکل خاصی دارند.
معیارهای کمی :دامنه، سطح، مدت زمان، زمان صعود
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
رویکردهای مرتب سازی
معمول ترین رویکردهاثبت سیگنال های عصبیفیلتر کردن داده ی خامآشکار سازی اسپایکخط کردنهم ترازی و بهاستخراج ویژگی و کاهش ابعاد خوشه بندی و تخصیص یک خوشه به هر
اسپایک
پردازش سیگنال های عصبی بسته به کاربرد متفاوت
سیستم : رویکرد برخطBCI
تشخیص بیماری ها: رویکرد برون خطآشکارسازی و مرتب سازی پس از فرآیند ثبت•برای شروع مرتب سازی به تمامی اسپایک ها نیاز دارد •
7/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
رویکردهای مرتب سازی
: رویکرد برخطآشکارسازی و مرتب سازی درطول فرآیند ثبت
در یک زمان خاص از داده های ذخیره شده قبلی استفاده می کند
تنها اسپایک های مرتب شده ذخیرهکاهش حجم داده ی ارسالی :مزایا : نیاز به طراحی یک سیستم قابل نیازمندی
کاشت
الگوریتم مناسب بهنگام
پیاده سازی سخت افزاری بهنگام
دقت اتوماتیک و بدون نظارتپیچیدگی محاسباتی پایین
مصرف توان پایین مصرف پهنای باند پایین
مساحت اشغالی کم
7/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
* اجزای اصلی سیگنال، به عنوان پایه های تعامد استخراج
* هر اسپایک به صورت مجموعه ای از این پایه های تعامد بیان
* پیچیدگی محاسباتی باال
تحلیل مولفه ی اساسی
سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
مجموعه ای از ضرایب را برای هر اسپایک محاسبه می کندتبدیل موجک گسسته
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
از اسپایک مشتق گرفته شده و به عنوان ویژگی تمایزدهنده اسپایک ها مورد استفاده
مشتق های گسسته
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
برای هر اسپایک دو مشخصه درنظر گرفته می شود
ناحیه ی زیر منحنی در فاز مثبت•ناحیه ی زیر منحنی در فاز منفی•
تبدیل انتگرالی
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cاستخراج ویژگی
تحلیل مولفه یاساسی
تبدیل موجکگسسته
مشتق های گسسته
تبدیل انتگرالی
حذف مرحله ی استخراج ویژگیاستفاده از خود اسپایک برای •
مرتب سازیکاهش پیچیدگی محاسباتی•
8/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cخوشه بندی
: تعیین مرکز مرحله ی آموزشخوشه ها
: تخصیص هر مرحله ی نگاشتاسپایک به یک خوشه
9/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
خوشه بندی : آموزش
مراحل فوق با ورود هر اسپایک تکرار می شود
10/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
خوشه جدید ایجاد می شودبا ورود اولین اسپایکخود اسپایک به عنوان مرکز خوشه درنظر گرفته
می شود
- محاسبه ی فاصله از مرکز تمامی خوشه ها- مقایسه ی کمترین فاصله با آستانه
* اگر از آستانه بیشتر بود، خوشه ی جدیدی به مرکزیت اسپایک ورودی ساخته
می شود * اگر کمتر بود،
اسپایک به خوشه اختصاص داده می شود و مرکز خوشه به روزرسانی می شود
سیگنال های عصبی
خوشه بندی : آموزش
با ورود اولین اسپایک
مراحل فوق با ورود هر اسپایک تکرار می شود
10/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
خوشه جدید ایجاد می شودخود اسپایک به عنوان مرکز خوشه درنظر گرفته
می شود
- محاسبه ی فاصله مرکز هر دو خوشه - مقایسه فاصله با آستانه * اگر از آستانه کمتر بود،
دو خوشه ادغام می شوند خوشه ی جدید مرکزی معادل میانگین مرکز دو
خوشه خواهد داشت
سیگنال های عصبی
خوشه بندی : نگاشت
فاصله ی اسپایک ورودی از تمامی خوشه ها محاسبه می شودهر اسپایک متعلق به خوشه ای است که کمترین فاصله را با آن دارد
با ورود هر اسپایک
11/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
نتیجه پیاده سازی الگوریتم
12/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
مجموعه داده متشکل از ده نوع اسپایک مختلف
نتیجه پیاده سازی الگوریتم
12/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
بعد از مرتب سازیقبل از مرتب سازی
نتیجه پیاده سازی الگوریتم
12/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
عملکرد الگوریتم در برابر نویز
سیگنال های عصبی
cطراحیسخت افزاری
Loading_clusters
Mapping
#Cluster_ID
ClustersSpike_Sample
Start
Ready
CLK
Spike_Sorting
بلوک دیاگرام سخت افزار
بلوک دیاگرام سخت افزار
گام اول : بارگذاری مرکز خوشه های همگرا شدهگام بعدی : نگاشت اسپایک های ورودی به خوشه ها
13/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
cطراحیسخت افزاریبلوک دیاگرام نگاشت
محاسبه ی فاصله ی اسپایک از خوشهماژول اول : پیدا کردن کمترین فاصلهماژول بعدی :
dist_from_cluster(#1)
#Cluster_ID
Spike_Sample
Ready
Clusters
CLK
Mapping
dist_from_cluster(#num_clusters)
min_index_finder
Dist (#1)
Dist (#num_clusters)
14/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
نتایج شبیه سازیc سخت افزار طراحی شده
15/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
نتیجه ی سنتز
سیگنال های عصبی
نتایج شبیه سازیc سخت افزار طراحی شده
16/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
نتیجه ی شبیه سازی )بار کردن خوشه ها(
سیگنال های عصبی
نتایج شبیه سازیc سخت افزار طراحی شده
16/19 مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع
نتیجه ی شبیه سازی )نگاشت و خوشه بندی(
سیگنال های عصبی
17/19
cجمع بندیمقدمه ای بر سیگنال های عصبی
کاربرد پردازش سیگنال های عصبیاندازه گیری سیگنال های عصبی
رویکردهای مرتب سازی اسپایک ها
پیاده سازی یک الگوریتم برخط مرتب سازی
نتایج حاصل از پیاده سازی در متلب
طراحی سخت افزار مرتب سازی برخطبررسی نتایج
مرتب سازی سیگنال های عصبیاسپایک ها
جمع بندی و پیشنهاد
مراجع
18/19
پیشنهاد
طراحی مرتب ساز چند کاناله•
طراحی مدار برخط کدگشای سیگنال های •عصبی
مرتب سازی اسپایک ها
جمع بندی و پیشنهاد
مراجع سیگنال های عصبی
مراجع1. Rutishauser, Ueli, Erin M. Schuman, and Adam N. Mamelak. "Online detection and sorting of extracellularly recorded action
potentials in human medial temporal lobe recordings, in vivo." Journal of neuroscience methods 154.1 (2006): 204-224.
2. Karkare, Vaibhav, Sarah Gibson, and Dejan Marković. "A 75-µw, 16-channel neural spike-sorting processor with unsupervised clustering." IEEE Journal of Solid-State Circuits 48.9 (2013): 2230-2238.
3. Baars, Bernard J., and Nicole M. Gage. Fundamentals of cognitive neuroscience: a beginner's guide. Academic Press, 2012.
Hall, J. E. "Guyton and Hall textbook of medical physiology. 2011, Philadelphia, Pa.: Saunders." 820-950.
4. Salimpour, Yousef, and Hamid Soltanian-Zadeh. "Particle filtering of point processes observation with application on the modeling of visual cortex neural spiking activity." 2009 4th International IEEE/EMBS Conference on Neural Engineering. IEEE, 2009.
5. Buzsaki, Gyorgy, et al. "Pattern and inhibition-dependent invasion of pyramidal cell dendrites by fast spikes in the hippocampus in vivo." Proceedings of the National Academy of Sciences 93.18 (1996): 9921-9925.
6. Gibson, Sarah Paige. "Neural spike sorting in hardware: From theory to practice." (2012).
7. Nicolas-Alonso, Luis Fernando, and Jaime Gomez-Gil. "Brain computer interfaces, a review." Sensors 12.2 (2012): 1211-1279.
8. , , گرایلو, هادی زرشناس همایون مهدی Mahdi Bamdad, Homayoon Zarshenas, and Hadi Grailu. "A survey on BCI ,بامدادapplication in rehabilitation to improve." Journal of Research in Rehabilitation Sciences 9, no. 6 (2014).
19
مراجع9. Quiroga, Rodrigo Quian. "Spike sorting." Scholarpedia 2.12 (2007): 3583.
10. Pedreira, Carlos, et al. "How many neurons can we see with current spike sorting algorithms?." Journal of neuroscience methods 211.1 (2012): 58-65.
11. Lewicki, Michael S. "A review of methods for spike sorting: the detection and classification of neural action potentials." Network: Computation in Neural Systems 9.4 (1998): R53-R78.
12. Kim, Kyung Hwan, and Sung June Kim. "A wavelet-based method for action potential detection from extracellular neural signal recording with low signal-to-noise ratio." IEEE Transactions on Biomedical Engineering 50.8 (2003): 999-1011.
13. Gibson, Sarah, Jack W. Judy, and Dejan Markovic. "Comparison of spike-sorting algorithms for future hardware implementation." 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE, 2008.
14. Quiroga, R. Quian, Zoltan Nadasdy, and Yoram Ben-Shaul. "Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering." Neural computation 16.8 (2004): 1661-1687.
15. Harris, Kenneth D., et al. "Accuracy of tetrode spike separation as determined by simultaneous intracellular and extracellular measurements." Journal of neurophysiology 84.1 (2000): 401-414.
19