题 目 神经元的形态分类和识别

摘 要：

本文在深入分析神经元形态特征并利用主成分分析理论提取主成分特征的基础上， 提出了基于 BP 神经网络的神经元形态分类模型，并通过实例分类来检验其合理性。

首先，对于问题一，采用 20 个形态参数描述神经元的形态特征，利用主成分分析理论将其降维，获得 4 个综合性主成分特征。在此基础上建立了一个基于 BP 神经网络的形态分类模型，并通过网站上的测试样本检验该模型的正确性；针对问题二，使用该分 类模型对本题附录 B 中神经元进行分类，分类结果如下：编号 7、8、9、10、11、12、

19、20 为运动神经元，5、6 为普肯野神经元，1、2、3、4 为椎体神经元，15、16 为中间神经元，13、14、17、18 为感觉神经元。

其次，对于问题三，参考自然分类系统中生物物种分类体系，根据前面获得的 4 个综合性形态特征的物理含义，提出了一种基于主成分分析理论的神经元分类方法；设计 了四级分类体系，分别是轮廓、分叉与分支、伸缩性和对称性；给出了神经元的多级命 名建议。多个具体实例的检验结果表明该分类方法能够正确地将具有不同形态特征的神 经元进行分类，并且提供形态特征显著性评价，为神经元的命名提供数据支撑。检验结 果还表明本分类方法能够区分来自不同动物神经系统的同一类型神经元，能够很好的区 分附件 A 中猪和鼠的普肯野神经元。

对于问题五，通过查阅大量神经元生长方面的资料，找到了一些神经元生长数据， 通过构造神经元形态的生长模型，探讨神经元生长的本质特征。生长模型综合了神经元 构筑学方面的知识，利用数学表达式来描述神经元的形态结构和功能，用概率分布和随 机过程理论描述其规律，应用马尔可夫过程分析神经元拓扑结构演化规律，通过模式识 别方法提取生长规则。分析可知，形态变化对特征主成分 F1 和 F2 的影响比较大。

关键词：形态分类；主成分分析；BP 神经网络；生长模型