第一讲：神经信号基础——从动作电位到多通道记录
大家好，欢迎来到《多通道神经信号深度学习分类方法》课程。
我是你们这门课的主讲。在正式开始之前，我想先聊聊一个基础问题：我们到底在分析什么？
说白了，神经信号就是大脑里那些电活动的“录音”。你想想看，我们的大脑里有上千亿个神经元，它们之间通过电信号和化学信号交流。而我们做神经工程的人，就是想办法把这些信号“偷听”出来，然后让机器去理解它们。
1.1 动作电位：神经元的“数字脉冲”
动作电位，英文叫Action Potential，简称AP。这是神经元最核心的“语言”。
我记得刚入行时，导师跟我说过一句话：“动作电位就是神经元的‘1’和‘0’。” 当时我不太理解，后来做实验多了才明白——动作电位是“全或无”的。要么不触发，一旦触发，幅度和形状基本固定。
核心要点：
- 触发机制：当神经元胞体处的膜电位从-70mV上升到约-55mV（阈值），钠离子通道大量开放，产生快速去极化。
- 波形特征：上升支（去极化）、下降支（复极化）、超极化后电位。整个持续时间约1-2ms。
- 传导速度：有髓鞘的轴突传导速度可达100m/s，无髓鞘的只有0.5-2m/s。
我在项目中遇到过一个问题：记录到的信号里，有些波形看起来像动作电位，但幅度特别小。后来发现，那是远处的神经元信号衰减后留下的“残影”。嗯，这里要注意——不是所有尖峰都是动作电位，也可能是噪声或者远场信号。
1.2 局部场电位：群体的“低频呼吸”
如果说动作电位是单个神经元的“喊叫”，那局部场电位（LFP）就是一群神经元的“窃窃私语”。
LFP记录的是电极周围数百微米范围内，所有突触后电位的总和。频率通常在1-200Hz之间，幅度在几十微伏到几毫伏之间。
我的个人经验：
做LFP分析时，我习惯先做50Hz陷波滤波。为什么？因为市电干扰无处不在。我曾经有一次没做陷波，结果分析出来的“theta节律”其实是工频噪声的谐波，白白浪费了两周时间。
LFP有几个重要的频段，我整理了一个表格，方便大家对照：
| 频段名称 | 频率范围 | 常见关联功能 |
|---|---|---|
| Delta (δ) | 0.5-4 Hz | 深度睡眠、麻醉状态 |
| Theta (θ) | 4-8 Hz | 工作记忆、空间导航 |
| Alpha (α) | 8-13 Hz | 放松、闭眼状态 |
| Beta (β) | 13-30 Hz | 运动准备、注意力集中 |
| Gamma (γ) | 30-100 Hz | 特征绑定、意识活动 |
你可能会问：为什么LFP比动作电位更容易分析？其实，LFP的信噪比更高，而且对电极位置不那么敏感。但代价是——空间分辨率低，你很难知道具体是哪个神经元在放电。
1.3 多通道记录技术：从“单枪匹马”到“天罗地网”
早期的神经记录，一根电极只能记录一个通道的信号。现在不一样了，我们用的是多通道记录技术。
我个人最常用的是微电极阵列（MEA），比如Neuropixels探针，一根探针上就有384个记录通道。你想想看，这相当于同时监听384个位置的神经活动。
避坑指南：
我曾经在植入多通道探针时犯过一个低级错误——没有做阻抗检测。结果有十几个通道的阻抗过高，记录到的全是50Hz噪声。后来我养成了习惯：每次实验前，先用阻抗测试仪扫一遍所有通道，确保阻抗在0.5-2MΩ之间。
多通道记录的几个关键技术参数：
- 采样率：动作电位需要≥30kHz，LFP可以降到1kHz。我一般设30kHz，这样两者都能分析。
- 通道数：从16通道到1024通道不等。通道越多，空间分辨率越高，但数据量也越大。
- 参考电极：单端记录 vs 差分记录。差分记录能有效抑制共模噪声，我强烈推荐。
下面这张图展示了多通道神经信号记录的整体流程，从信号源到最终的数据文件：
嗯，这里要特别提一下数据格式的问题。不同厂家的设备，数据格式千奇百怪。我建议你从一开始就统一转换成NWB格式，这是神经科学界的“通用语言”。不然等你攒了100个实验的数据，发现每个格式都不一样，那才叫欲哭无泪。
小结
这一讲我们聊了三个核心概念：
- 动作电位：神经元的“数字脉冲”，全或无，持续时间短。
- 局部场电位：群体的“模拟信号”，频率低，反映突触活动。
- 多通道记录：从单通道到千通道，空间分辨率越来越高。
我个人觉得，理解这三者的关系是后续深度学习分类的基础。你想想看，如果我们连信号是怎么来的都不清楚，那训练出来的模型再漂亮，也只是空中楼阁。
一句话总结：
动作电位告诉你“谁在说话”，LFP告诉你“大家在聊什么”，多通道记录让你“同时听清每个人的声音”。