基于牛蛙坐骨神经的神经通信中信道参数估计

《IEEE Transactions on Molecular, Biological, and Multi-Scale Communications》：Channel Parameter Estimation in Neural Communication Based on Bullfrog Sciatic Nerve

　　本研究的目的是通过牛蛙坐骨神经的复合动作电位（CAPs）分析pH值，设计并改进基于LSTM的预测模型。首先建立实验平台，收集不同pH条件下的CAPs波形数据，然后构建随机森林（RF）和长短期记忆（LSTM）回归模型，提出融合卷积层提取局部特征、LSTM建模时序关系、MLP实现连续预测的增强型LSTM模型。实验表明增强型LSTM模型在pH值检测中准确率最优，为体内物联网（IoNT）到外部网络的可靠数据传输提供了新方法。

　　

摘要：

分子通信和纳米事物互联网（IoNT）的进步为医学中的体内纳米设备网络开辟了新的可能性。作为一种将信息从IoNT传输到外部设备的有前景的方法，神经通信利用神经系统作为数据传输接口。然而，可靠的传输依赖于精确的信道参数估计，而这一领域的研究仍然有限。为了解决这个问题，我们以pH值作为主要信道参数，并使用牛蛙坐骨神经作为神经通信信道，实验性地提出了信道参数估计方案。在这里，我们利用复合动作电位（CAPs），即神经通道的电响应，来表征该信道。为了建立CAPs与pH值之间的关系，我们开发了一个实验平台，在不同的pH值下收集CAPs数据。然后，我们设计了包括随机森林（RF）和长短期记忆（LSTM）方法在内的回归模型，并进一步提出了一个改进的LSTM模型来克服这些模型的局限性。改进模型使用卷积层从原始CAPs波形中提取局部空间特征，随后通过LSTM层进行时间建模，并通过MLP层完成连续pH值的预测。实验结果表明，当新的CAPs数据输入到训练好的模型中时，可以准确检测出相应的pH值，其中改进的LSTM模型显示出更高的准确性。这项研究为确保从体内IoNT到外部网络的可靠数据传输奠定了实验研究的基础。