多层感知器神经网络模型：用于LFP对比灵敏度调谐的新方法
信号处理
2025-10-23 v1
摘要
局部场电位（LFP）已被证明是研究局部神经元群活动的重要测量手段。LFP的响应调谐大多报告为比放电调谐更弱且更宽的。因此，选择优化的调谐方法对于恰当地评估LFP响应并将其与相邻放电活动进行比较至关重要。本文提出了用于对比响应函数（CRF）调谐的新模型。为此，首先分析了记录在原纯素1区（V1）的亮度对比刺激引发的LFP响应。随后，通过单调性指数（MI）区分超饱和CRF与线性CRF和饱和CRF。随后，通过静态识别方法包括多层感知器（MLP）神经网络、径向基函数（RBF）神经网络、模糊模型、神经模糊模型和局部线性模型树（LOLIMOT）算法识别超饱和记录数据。我们的结果表明，与传统和修正的双曲正切Naka-Rushton函数相比，MLP神经网络在调谐V1对亮度对比刺激的LFP响应方面表现优异，成功地调谐了大量三类神经记录。这些结果表明，MLP神经网络模型可作为一种新方法，用于测量神经元群对比灵敏度曲线的更佳拟合曲线。
引用
@article{arxiv.2510.19636,
title = {Multilayer Perceptron Neural Network Model: A Novel Approach for LFP Contrast Sensitivity Tuning},
author = {Sahar Maleki and Reza Lashgari and Mahdi Aliyari Shoorehdeli and Mohammad Komareji},
journal= {arXiv preprint arXiv:2510.19636},
year = {2025}
}