انجمن مهندسی پزشکی ایران نشریه علمی مهندسی پزشکی زیستی 2008-5869 12 4 2019 01 21 Detection of Neural Spike in Extracellular Recording using Shannon Energy and Hilbert Transform آشکارسازی پتانسیل‌های عمل در ثبت‌های خارج سلولی با استفاده از انرژی شانون و تبدیل هیلبرت 277 286 33449 10.22041/ijbme.2018.89373.1367 FA سحر اکبری دانشجوی کارشناسی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده‌ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران وحید شالچیان استادیار، گروه مهندسی پزشکی، دانشکده‌ی مهندسی برق ، دانشگاه علم و صنعت ایران، تهران 0000-0003-1226-6132 محمدرضا دلیری استاد، گروه مهندسی پزشکی، دانشکده‌ی مهندسی برق، دانشگاه علم و صنعت ایران، تهران Journal Article 2018 07 04 Neural spike detection is the first step in the analysis of neural action potentials in extracellular recordings. The background noise which mainly originates from a large number of far neuronal units, usually confront with detection of low-amplitude spikes. So far, many scholars have devoted their works to this subject and many algorithms have been proposed. In this paper we present an automatic spike detection algorithm for the noise-contaminated extracellular signal. This algorithm consists of four steps: 1- A bandpass filtering and using a differential filter; 2- applying Shannon's energy nonlinear filter; 3- Hilbert transform; and 4- Thresholding of the signal. The proposed method has been compared with five known methods in spike detection. This comparison is done on two simulated datasets and one real data set. The results indicate the superiority of the proposed method for simulated data compared to other methods, which indicates the robustness of the proposed algorithm to the noise.  Meanwhile, for real data, it reaches the second place among all six methods. Using Shannon's non-linear energy filter can be an effective way to detect spikes in extracellular signal recordings. The comparison indicates that this method is superior to the commonly known methods for spike detection. آشکارسازی اسپایک­های عصبی، نحستین گام برای تجزیه و تحلیل پتانسیل عمل واحدهای نورونی در ثبت خارج سلولی می‌باشد. وجود نویز پس‌زمینه درثبت‌های خارج سلولی، که عمدتا از جمع آثار پتانسیل عمل واحد های نورونی دورتر از منطقه‌ی ثبت ناشی می‌شود، در بسیاری از مواقع، آشکارسازی و تشخیص اسپایک‌های عصبی کم‌دامنه را دشوار می‌سازد. تا کنون محققان زیادی به این موضوع پرداخته و برای حل این مشکل، الگوریتم­های زیادی پیشنهاد داده‌اند. در این مقاله، یک الگوریتم خودکار برای آشکارسازی اسپایک­های عصبی در سیگنال ثبت خارج سلولی آغشته به نویز پس‌زمینه، ارائه شده است. این الگوریتم از چهار مرحله، شامل ۱- فیلتر کردن میان­گذر و استفاده از فیلتر بالاگذر تفاضلی، ۲- اعمال فیلتر غیرخطی انرژی شانون، ۳- تبدیل هیلبرت و ۴- آستانه‌گذاری روی سیگنال به دست آمده، تشکیل شده است. روش پیشنهادی در این مقاله، با پنج روش شناخته شده در تشخیص اسپایک، روی دو مجموعه‌ی داده‌ی شبیه‌سازی شده و یک مجموعه‌ی داده‌ی واقعی، مورد مقایسه قرار گرفته است. نتایج به دست آمده، حاکی از برتری روش پیشنهادی نسبت به سایر روش­ها برای داده‌های شبیه‌سازی شده، بوده که نشان‌دهنده‌ی مقاوم بودن الگوریتم پیشنهادی نسبت به نویز می‌باشد. علاوه بر این، برای داده‌های واقعی، روش پیشنهاد شده رتبه‌ی دوم را در میان تمام روش­ها به خود اختصاص داده است. استفاده از فیلتر غیرخطی انرژی شانون، می‌تواند راه‌حل موثری برای تشخیص اسپایک­های عصبی در سیگنال ثبت خارج سلولی آغشته به نویز، به حساب آید. https://www.ijbme.org/article_33449_06524331e2c63c0ed3479bf1be85ce3b.pdf