以HHT分析線蟲步態 FY2014~
動物在他們的意識控制和周圍環境的相互作用下運動。線蟲和人類的基因有極高的相似性,因此我們選用線蟲做為我們的動物模型。希望藉由線蟲的步態變化來了解 神經性疾病對人類步態運動的影響。透過線蟲在液體中的游動或在濃稠的凝膠上爬行的姿勢,這些行徑我們簡稱為線蟲步態,藉由其步態來得到它們生物力學的特 性。並利用步態分析將所收集的量化數據用於區分不同運動模式和辨識步態異常的線蟲。我們採用野生型(N2)和幾個突變種的線蟲來進行比較分析。我們使用高速攝影機於暗視野顯微鏡下拍攝含有生長培養基(NGM)的聚二甲基矽氧烷(PDMS)填充槽裡之線蟲運動的變化。
接著將影片轉為影像序列,並利用影像處理,如閾值處理和形態學工具來畫出線蟲身體的中央線。再使用以下兩個訊號於步態分析:(1)線蟲身體的曲率(2)線蟲身體各部位與其頭尾相連線的距離。將得到的訊號使用HHT來分析線蟲步態的特性。 HHT是近年來所發展的適應性數據分析方法,其步驟包括經驗模式分解(EEMD)和希爾伯特頻譜分析(HSA),且具有識別數據內在時間尺度的優點。最近的研究顯示,由經驗模式分解得出的固有模態函數(IMF)可能含有實際的物理意義,並可在稱為希爾伯特頻譜的能量-頻率-時間分佈圖中呈現,可藉由此圖找出觀測值隨著時間變化的震盪現象。所以我們想利用希爾伯特頻譜來表示線蟲運動特徵,並將其稱之為步態指紋。
運動行為是神經系統的主要輸出,因此神經網絡中的擾動會造成其運動的變化,適合做為探討模式生物之神經基因學的表現型。以往的研究方法必須使用基因分析才 能區分不同種的線蟲,這項研究的新穎之處在於採用運動步態來區別不同種的線蟲和找出其生理缺陷。運用我們所發展的演算法和技術,我們相信這項研究能給社會 知識的增長。
接著將影片轉為影像序列,並利用影像處理,如閾值處理和形態學工具來畫出線蟲身體的中央線。再使用以下兩個訊號於步態分析:(1)線蟲身體的曲率(2)線蟲身體各部位與其頭尾相連線的距離。將得到的訊號使用HHT來分析線蟲步態的特性。 HHT是近年來所發展的適應性數據分析方法,其步驟包括經驗模式分解(EEMD)和希爾伯特頻譜分析(HSA),且具有識別數據內在時間尺度的優點。最近的研究顯示,由經驗模式分解得出的固有模態函數(IMF)可能含有實際的物理意義,並可在稱為希爾伯特頻譜的能量-頻率-時間分佈圖中呈現,可藉由此圖找出觀測值隨著時間變化的震盪現象。所以我們想利用希爾伯特頻譜來表示線蟲運動特徵,並將其稱之為步態指紋。
運動行為是神經系統的主要輸出,因此神經網絡中的擾動會造成其運動的變化,適合做為探討模式生物之神經基因學的表現型。以往的研究方法必須使用基因分析才 能區分不同種的線蟲,這項研究的新穎之處在於採用運動步態來區別不同種的線蟲和找出其生理缺陷。運用我們所發展的演算法和技術,我們相信這項研究能給社會 知識的增長。
- Huang, N. E., Z. Shen, and S. R. Long (1999) A New View of Nonlinear Water Waves – The Hilbert Spectrum. Ann. Rev. Fluid Mech., 31, 417-457.