一类四维神经元模型的放电模式研究
神经元系统放电节律的理论探讨论文

神经元系统放电节律的理论探讨论文神经元系统放电节律的理论探讨论文预读: 摘要:《中国生物医学工程管理学报》2016年第二期摘要:基于霍尔效应原理和Hodgkin-Huxley模型,研究经颅霍尔效应刺激对神经元系统放电节律的影响作用.研究表明,当超声和静磁场在神经元中产生的电流强度从10μA/cm2到55μA/cm2逐渐增大时,神经元动作电位的峰值从96mV减小到71mV,峰峰间期从15ms减小到8.5ms,发放率从4~6呈多级阶梯状逐渐增大.研究还发现,当超声的发射周期从6~100ms逐渐增大时,神经元动作电位的发放率从1~5呈多级阶梯状逐渐增大.研究结果揭示经颅霍尔效应刺激对神经元放电节律的作用规律,有助于探索经颅霍尔效应刺激对神经精神类疾病治疗和康复的机理.关键词:经颅霍尔效应刺激;Hodgkin-Huxley模型;神经元;节律根据世界卫生组织推算,中国神经精神疾病负担到2020年将上升至疾病总负担的1/4[1].因此,有效地干预或控制神经精神类疾病刻不容缓,它不仅可以改善我国国民的健康状况和生活质量,而且可以降低我国的医疗支出.利用药物来预防和控制神经精神疾病,是一种较传统的方式.实践证明,药物治疗能给神经精神疾病带来一定程度上的疗效,但也存在着很多的不足.例如,对大脑用药时,其余正常脑区域也会受到药物的负面影响,会干扰这些正常脑区域的工作;而对于某些抗药性运动障碍疾病(如帕金森症、原发性震颤及肌张力异常等),药物治疗效果不佳.为了克服药物治疗所存在的问题,人们使用非药物的神经刺激方法对神经功能性疾病进行控制和治疗.目前,无创性的经颅磁刺激方法常用于神经精神类疾病的治疗和干预[2].经颅磁刺激通过将交变磁场穿过颅骨进入脑组织,达到对脑细胞膜电位的兴奋或抑制的调控,从而起到对神经元功能的调节作用.经颅磁刺激广泛地应用于癫痫、帕金森、抑郁症等多种神经和精神类疾病的治疗和康复,然而却存在空间分辨率低、穿透深度不够的缺点.针对经颅磁刺激方法存在的不足,Norton提出无损伤的经颅霍尔效应刺激方法,并且求解了相应的麦克斯韦方程组.结果表明,超声和静磁场的共同作用,能够在神经组织中产生足够强度的电场,对脑神经进行刺激[3].经颅霍尔效应刺激的空间分辨率取决于聚焦超声斑的直径,因此它的空间分辨率小于2mm[4].因为超声具有良好的穿透深度,同时静磁场的能量在空间上能够近似均匀分布,并且不随着刺激距离的增加而减弱,所以经颅霍尔效应刺激具有高的刺激深度.神经元是神经系统中信息传递的基本单位,当神经元受到外界刺激时,神经元不同的放电节律承载着不同的刺激信号,分析神经元如何将外界刺激的信息进行编码和神经元的放电节律,对于研究外界刺激状态下神经信息编码具有重要意义[5-9].因此,探索经颅霍尔效应刺激下神经元的放电节律及其变化规律,对于经颅霍尔效应刺激在临床中的应用有着重要的指导意义.先前的研究没有通过理论计算和数值仿真,分析经颅霍尔效应刺激对神经元动作电位的影响作用.在本研究中,基于Hodgkin-Huxley(H-H)模型,结合霍尔效应原理,研究经颅霍尔效应刺激下神经元动作电位的峰值、峰峰间期和发放率的变化规律.1经颅霍尔效应刺激霍尔效应是指磁场中运动的离子因为受到洛伦兹力的作用而发生偏移.经颅霍尔效应刺激利用超声和静磁场对神经组织的共同作用产生电流,实现脑神经刺激.神经组织中的离子,在超声波的作用下发生振动,振动的带电离子在静磁场中受到洛伦兹力的作用.2神经元模型为了验证经颅霍尔效应在神经组织中产生的电流能够调节神经元的放电节律,在本研究中使用H-H模型对神经元放电进行仿真.在20世纪50年代,神经生理学家Hodgkin和Huxley 提出H-H模型,完整的H-H模型方程形式由如下4个微分方程组成:数值仿真时,H-H模型中各参数值如表1所示.为了使模型的静息电位为0,将真实的膜电位变量的值平移了约65mV.根据上述的H-H模型以及参数值,仿真不同刺激参数下神经元动作电位,得到仿真结果;通过对仿真结果的分析,研究经颅霍尔效应刺激对神经元放电节律的影响.3结果3.1刺激电流Iext的强度对神经元放电节律的影响在先前的研究中,使用低强度超声调控脑神经所使用的超声功率强度W=23.8W•cm-2[10],根据公式W=p2/ρc0,p是声压强度,ρ=1120kg•m-3为脑组织密度,c0=1540m•s-1为脑组织中的声速,当超声功率强度W=23.8W•cm-2时,相应的声压强度p=0.64MPa.结合临床核磁共振成像所用磁场强度3T,根据式(5),相应刺激电流Iext的电流密度为55.8μA•cm-2.根据Hopf 分岔定理,当刺激电流的电流密度大于9.78μA•cm-2时,系统出现稳定的周期解,神经元产生周期性动作电位[11].所以,本仿真中所使用的电流密度范围为10~55μA•cm -2.设定电流密度间隔为1μA•cm-2,刺激电流周期(即超声发射周期)为100ms,占空比为50%.在本研究中,分别计算了动作电位响应幅值———峰值,每个burst内相邻动作电位之间的时间间隔———峰峰间期(interspikeinternal,ISI),每个刺激周期内动作电位的发放个数———发放率(firingrate,FR).图1表示的是不同电流密度下动作电位的响应,其中(a)~(c)对应的电流密度分别为10、35和55μA•cm-2.由此可以明显看出,当电流密度不同时,神经元产生不同的放电节律,动作电位的响应峰值随着电流密度的增大而减小,峰峰间期(ISI)随着电流密度的增大而减小,发放率(FR)随着电流密度的增大而增大.为了定量地分析电流密度对神经元放电节律的影响作用,计算了不同电流密度下动作电位响应的峰值、峰峰间期(ISI)和发放率(FR).图2(a)为电流密度从10~55μA/cm2逐渐增大情况下,动作电位响应的峰值的变化规律.从中可以看出,当电流密度为10μA•cm-2时,峰值最大,约为96mV,随着电流密度的增大,神经元动作电位的峰值从96mV减小到71mV.图2(b)为电流密度不同值的情况下,动作电位响应的峰峰间期(ISI)的变化规律.从结果中可以看出,随着刺激电流的增大,峰峰间期从15ms缩短到8.5ms,但缩短的速度变的缓慢.图2(c)为神经元动作电位的发放率(FR)随电流密度的变化规律.从图中可以看出,神经元动作电位的发放率随着电流密度的增大从4~6呈多级阶梯状逐渐增大.3.2刺激电流Iext的周期对神经元放电节律的影响为了研究刺激电流Iext的周期对神经元放电节律的影响,选定电流密度为19.8μA•cm-2,固定占空比0.5,刺激电流的周期(即超声发射的周期)范围为5~100ms,周期间隔为1ms.图3表示的是不同刺激电流的周期下动作电位的响应,其中(a)~(c)对应的周期分别为5、50、100ms.由此可以明显看出,当电流周期不同时,动作电位的响应的峰值和峰峰间期(ISI)没有明显变化,发放率(FR)随着电流周期的增大而增大.图4(a)为刺激电流周期为不同值的情况下,动作电位响应的峰值的变化规律.从中可以看出,动作电位响应的峰值不随着刺激电流周期的变化而明显变化.图4(b)为刺激电流周期为不同值的情况下,动作电位响应的峰峰间期(ISI)的变化规律.因为当周期小于26ms时,在单个刺激周期内不能产生一个动作电位或者只有一个动作电位.从结果中可以看出,当周期小于26ms时,没有峰峰间期出现.当刺激周期大于等于26ms时,可以看出神经元动作电位出现稳定的峰峰间期.图4(c)为神经元动作电位的发放率(FR)随刺激电流周期的变化规律.从中可以看出,当刺激电流周期从6~100ms逐渐增大时,神经元动作电位的发放率从1~5呈多级阶梯状逐渐增大.4讨论和结论在本研究中,分析了超声和磁场作用神经组织产生的刺激电流Iext对神经元放电节律的影响作用.由式(5)可知,Iext的电流密度与超声强度和静磁场强度的乘积成正比,因此在实验中只需要调节超声或者静磁场的强度,就可以改变神经元的放电节律.另外,因为刺激电流Iext 的周期等于超声发射的周期,所以在实验中也可以通过改变超声发射周期来改变神经元的放电节律.先前的研究表明,异常的神经元放电节律会导致一些神经系统疾病[12].例如,癫痫的发病机制是脑部神经元放电过度同步,导致脑功能失衡[13].研究表明,经颅霍尔效应刺激能够改变神经放电节律,因此它具有干预癫痫病的潜力.研究还发现,超声和磁场在神经组织中产生的电流密度参数可以影响神经元的放电节律,从而可以改变这些参数来治疗癫痫发作,以达到最佳的治疗效果.在本研究中,通过结合霍尔效应原理和H-H模型,分析经颅霍尔效应刺激对神经元系统放电节律的影响作用.仿真结果表明,超声和磁场在神经元中产生的电流强度和周期,对神经元动作电位的峰值、峰峰间期和发放率有影响作用.研究结果揭示了经颅霍尔效应刺激对神经元放电节律的调控作用,能够为经颅霍尔效应刺激对神经精神类疾病治疗和康复提供理论帮助.。
基于人工神经网络的变压器绝缘模型放电模式识别的研究

基于人工神经网络的变压器绝缘模型放电模式识别的研究姜磊;朱德恒;李福祺;谈克雄;覃刚力;金显贺;王昌长;T.C.Cheng
【期刊名称】《中国电机工程学报》
【年(卷),期】2001(21)1
【摘要】分析了变压器绝缘的主要放电形式 ,设计了模拟变压器放电的 7种试验模型和 3种模拟空气中放电干扰的模型 ,进行了不同情况下模型的放电试验。
使用数字化测量装置 ,取得了各种模型放电的放电量相位信息。
采用三维谱图提取放电指纹特征 ,并用人工神经网络ANN来识别不同的放电类型。
研究结果表明 ,人工神经网络对油纸变压器绝缘放电有足够的识别能力。
【总页数】4页(P21-24)
【关键词】变压器绝缘;局部放电;人工神经网络;模式识别
【作者】姜磊;朱德恒;李福祺;谈克雄;覃刚力;金显贺;王昌长;T.C.Cheng
【作者单位】清华大学电机工程系;南加州大学
【正文语种】中文
【中图分类】TM410.6;TP391.4
【相关文献】
1.基于ANFIS的油纸绝缘局部放电模式识别技术研究 [J], 姚秀;郭磊;刘正;李军浩;李彦明
2.人工神经网络用于发电机定子绝缘局部放电模式识别 [J], 彭湃;王泽忠;李成榕;贾逸梅;王伟;王景春
3.基于决策分类的变压器局部放电模式识别研究 [J], 瞿绍军
4.基于BP人工神经网络的XLPE电力电缆局部放电的模式识别 [J], 杨孝华;廖瑞金;胡建林;白仕雄
5.基于人工神经网络的绝缘局部放电信号提取方法的研究 [J], 胡明友
因版权原因,仅展示原文概要,查看原文内容请购买。
神经元模型的稳定性分析与Hopf分岔控制

神经元模型的稳定性分析与Hopf分岔控制作者:袁春华王江来源:《振动工程学报》2015年第01期摘要:根据Poincare Birkhoff(PB)规范形理论,研究了神经元模型的Hopf分岔类型的判定与分岔控制问题。
分析了离子电流与电导对神经元平衡点变化与分岔点分布的影响,计算了神经元最小模型亚临界Hopf分岔的稳定性指标,并在此基础上建立了神经元最小模型的分岔控制方程,利用Washout控制器实现了对该神经元模型亚临界Hopf分岔的控制。
研究表明:在给定的参数范围内,该神经元模型发生了2次亚临界Hopf分岔。
提出的解析与数值相结合的Hopf分岔稳定性判定方法可以确定最小神经元模型的Hopf分岔的稳定性,基于稳定性判定指标和Washout控制器的分岔控制方法可以实现对神经元增幅放电的有效控制。
关键词:非线性系统;神经元模型;Hopf分岔;稳定性判定指标;Washout分岔控制中图分类号:O231.2;TP13文献标识码:A文章编号:1004-4523(2015)01-0052-07引言神经元是生物神经系统中最基本的单元,在生物神经信息产生与传导中起到非常重要的作用。
诺贝尔奖获得者Hodgkin和Huxley基于大量生物实验建立了HH神经元数学模型,开创了神经元电生理学研究的新领域,也奠定了计算神经学的基础。
HH模型是一个含有16个电生理参数的四维非线性微分超越方程组,具有高非线性和高度复杂性的特点,难于直接求解。
因此在神经科学研究中需要对神经元数学模型进行简化和降阶。
Prescott等提出了一个二维神经元最小模型,该模型能很好地复现HH神经元模型的放电特性,并且简单明了方便计算,使得神经元最小模型已经成为神经科学研究中的重要数学模型之一。
在外部刺激的作用下,神经元最小模型会产生复杂的非线性动力学行为。
Hopf分岔即是其中一个重要的非线性特性。
Troy对简化的HH模型进行研究,发现当注入细胞膜的总电流发生变化时,神经元模型的平衡点处会出现分岔现象。
多参数电刺激下神经元放电节律的研究

多参数电刺激下神经元放电节律的研究多参数电刺激下神经元放电节律的研究摘要非线性动力学系统有复杂和简单之分,其中复杂的非线性动力学系统之一就是神经元,神经元在不同参数的电刺激的时候,神经元就会产生比较复杂的动作电位的不同序列模式,有周期峰放电、混沌放电、交替放电、周期簇放电等多种丰富的放电节律,不同的刺激信号被神经元不同的放电节律所代表。
在分析和讨论外电场下细胞膜电生理特性的通常基础上,本文建立了一个有用模型,该模型是基于神经元建立的,各种振幅和不一样的频率都会对神经元产生明显的影响。
多方研究之后可以发现神经元被多种多样的不同交流外电场刺激时神经元的动态行为是不一样的:放电规律会随着频率的变化而变化,频率不一样(比如增大),放电节律也会不一样(簇放电到峰放电);峰与峰的间期序列根据两种周期放电模式的变换呈现的特征是整数倍关系。
我们对其放电节律的深入研究和探讨都对于神经信息进行不同的编码有着十分重要的意义,我们对神经元的研究结果,进一步揭示了交流外电场对神经元的不同放电节律的作用的不同影响,该题目的研究在外电场和神经系统兴奋程度的联系和开发相关疾病的治疗等方面意义重大。
关键词:神经元;放电节律;交流外电场;HH模型AbstractNeurons are complex nonlinear dynamic systems ,A complex action potential sequence pattern can be generated under different parameters of electrical sti-mulation ,(Alternating discharge、 chaotic discharge、 periodic peak discharge、 pe riod-ic cluster discharge, etc.)Different firing rhythms of neurons represent dif fere-nt stimuli.On the basis of analyzing the electrophysiological characteristicsof cell membrane under external electric field, the neure model under extern al electric field was established .The dynamic behavior of HH neurons under th e action of different amplitude and frequency external electric field was studi ed.With the increase of frequency,the reverse addition period bifurcation sequence from cluster discharge to peak discharge and chaotic discharge is shown in the discharge rhythm .There is a new alternating rhythm in the process of periodic rhythm transition. The discharge sequence is the alternation of two periodic discharge modes, and the interpeak sequence has the characteristic of integer multiple.The study of its discharge rhythm is of great significance for the study of neural information coding, The study of this topic is of great significance for the excitement of external electric fields and nervous systems and the development of related disease treatments..Keywords: neure ; Discharge rhythm ; Ac external electric field ;HH model目录摘要 (1)Abstract (2)第1章绪论 (3)1.1 课题背景 (3)1.1.1国内发展现状 (3)1.1.2国外发展现状 (4)1.2研究的目的 (5)1.3研究的意义 (5)第2章放电节律研究的理论基础 (7)2.1 生物神经元 (7)2.2动作电位的基本概念 (8)2.2.1 动作电位的产生 (8)2.2.2 动作电位的特点 (10)2.3神经元的静息电位 (11)2.4 神经元模型建立 (11)2.4.1 HH经典模型 (11)2.4.2外电场作用下的细胞模型 (14)2.4.3外电场下HH模型 (15)2.5神经元的放电节律 (16)2.6本章总结 (17)第三章MATLAB基本知识 (18)3.1 MATLAB组成及功能特点 (18)3.1.1 MATLAB平台的组成 (18)3.1.2 MATLAB功能 (19)3.1.3 MATLAB特点 (21)3.2 Simulink优点及建立 (22)3.2.1 Simulink优点 (22)3.2.2 Simulink建立 (22)3.2.3 Simulink建立的基本步骤 (24)3.3 本章小结 (25)第四章多参数电刺激下神经元放电节律的研究 (26)4.1刺激频率对神经元放电节律的影响 (26)4.2刺激振幅对神经元放电节律的影响 (28)设计总结与存在的问题 (33)致谢 (34)心得体会 (35)参考文献 ............................................................................................ 错误!未定义书签。
神经元动力学模型研究

/
f ≠J
,1 、 、l ,
每一神经元的输出为“0”或“l ”,分别表示“抑制”或。兴奋”状
态,则,b) 是一阶跃函数;只是神经元f 的输出:y,是与神经元f 连接的
神经元 J的输 出,它作为 神经元f 的输入 ;~是神经 元J至 f 的连 接权
值; 只是神 经元f 的阈值 。 肝 神经元 模型 能够 简单 反映 出神 经元 的空 间整 合和 阈值 之间 的非 线性
FHN模型 方 程虽 然简 洁, 但 却反 映了 神 经元 放电 活动 的 主要 特征 .因 此被广泛用来研究初次神经元的放电活动。如果选择合适的参 ,F删模型 复 制了 真实 神经 元的 基本 输入 输出 特 性, 如相 位锁 定、 半周 期性 激励 的混 沌响应等。
( 四) HR模型 1984年J .L.Hi n血 ar s h和R.扎Ros e[ 3] 提出一种模型, 简称为腿模型。 其微分方程为:
( 五) HH模型( №dgki n- HuxI ey肿de I ) 195 2年Hodgk i n和Huxl e y[ 4] 在神经细胞膜等效电路的研究基础上,提 出了 一种用 于研究单 个神经 细胞行 为的模 型,即 删模型。 其微分 方程为 :
c芸=一g。m3JI lⅣ一‰)一g。一Ⅳ一K)一g。Ⅳ一K) +,(6一1)
( 三) FHN模型
1961年R.Fi t z Hug h和J. S.Nag u∞[ 2] 等人提 出FⅢ模 型,此 模型形 式
如下:
c! ! :’,一y 3一w+J
出
(3一 1)
盟:∥一Ⅳ+6
( 3— 2)
。
出
上式中:’,为膜 电位;Ⅳ为恢复变量,使系统回到稳 定态:,为输入信 号;c >O表示膜电容,决定了的时间尺度,当参数c、,和6改变时,系统 可表 现出兴 奋、 振荡以 及双稳 态等不 同的动 力学 行为. .
多电极阵列上神经元自发放电序列的时间编码

多电极阵列上神经元自发放电序列的时间编码陈琳;邓勇;陈文娟;曾绍群;骆清铭【期刊名称】《自然科学进展》【年(卷),期】2007(17)10【摘要】根据多电极阵列上培养的海马神经元不同自发放电模式,研究神经元发放序列的时间编码规律.采用锋电位间隔(ISI)时域图、锋电位间隔直方图(ISIH)、联合锋电位间隔分布图(JISI)对3种典型自发放电模式(爆发、持续单发、爆发与单发交替)进行时间编码分析.结果表明3种放电模式编码规律在ISI时域图中呈现分层结构,分别是两层,一层和近似三层;编码在ISIH中符合指数分布、正态分布、χ2分布;在线性尺度JISI图中信号编码分别表现为"L"型、集聚型和伴随散点的"L"型,而对数尺度的JISI编码规律则按照三簇、一簇和四簇分布.可见ISI随时间变化能反映自发放电模式时间编码整体趋势;不同放电模式的ISIH编码规律可用数学分布函数描述;JISI可从时空角度体现放电模式的特定时间编码.【总页数】6页(P1455-1460)【作者】陈琳;邓勇;陈文娟;曾绍群;骆清铭【作者单位】华中科技大学生物医学光子学教育部重点实验室-武汉光电国家实验室(筹),武汉,430074;华中科技大学生物医学光子学教育部重点实验室-武汉光电国家实验室(筹),武汉,430074;华中科技大学生物医学光子学教育部重点实验室-武汉光电国家实验室(筹),武汉,430074;华中科技大学生物医学光子学教育部重点实验室-武汉光电国家实验室(筹),武汉,430074;华中科技大学生物医学光子学教育部重点实验室-武汉光电国家实验室(筹),武汉,430074【正文语种】中文【中图分类】R3【相关文献】1.多电极阵列上长时间培养神经元网络的发育变化2.空间粒度变化在时间序列上对景观指数的影响——以环洱海区域为例3.不同时间窗急性缺血性卒中在FLAIR、DWI序列上的信号变化4.基于分解-组合的预测模型在金融时间序列上的应用5.腺苷抑制海马神经元自发放电和谷氨酸所致癫痫样放电因版权原因,仅展示原文概要,查看原文内容请购买。
神经元放电活动的分岔分析概要

神经元放电活动的分岔分析摘要神经元是神经系统的基本结构和功能单元,在神经信息处理过程中起着关键的作用。
虽然神经系统各不相同,但大多数神经元都具有许多相似的特征:比如各种离子通道、丰富的非线性现象以及作为信息载体的膜电位等。
神经信息主要依靠神经元丰富的放电节律模式进行编码,因而研究神经细胞通过内在参数变化或外部激励条件改变时展现的放电节律模式以及各种模式之间的相互转迁就有着及其重要意义。
本文应用非线性动力学的分岔理论、相平面分析、快慢动力学分析和数值模拟等方法,针对神经元ML模型、HR模型以及Chay模型,系统地研究了神经元的放电行为及放电模式间相互转迁的动力学机制。
这些方法也可以应用于其它类型神经元,或用于发现新的放电模式,并对今后的神经电生理实验有一定的理论指导作用。
关键词:神经元峰放电簇放电分岔相平面分析快慢动力学分析Bifurcation Analysis on Neuronal Firing ActivitiesAbstractAs the fundamental structural and functional unit of the nervous system,neuron plays an extremely vital role in the neural information processing.Although nervous systems are quite different, many fundamental features of neurons are common to most of neurons, such as ion channels, rich nonlinear phenomenon and the membrane potential as the carrier of information. Various firing patterns are related to different stimuli, which mean that firing patterns carry corresponding neural information, so it is meaningful to study different firing activities owing to internal parameters or external stimulations, as well as the transitions between different firing patterns.In this dissertation, based on the bifurcation theory of nonlinear dynamics, the phase plane analysis, the fast-slow dynamics analysis and the numerical simulation, we deeply study on different firing activities and dynamics mechanism of transitions between different firing patterns. These methods and results in this dissertation can be applied to different types of neurons, and also may give an instructive guidance to the observation and analysis of neuronal firing activities, and hence will promote the development of both nonlinear dynamics and neuroscience. Key Words:neuron, spiking, bursting, bifurcation, phase plane analysis, fast-slow dynamics analysis第一章引言1.1研究背景二十世纪后半叶,非线性科学作为研究非线性现象共性的基础学科,获得了前所未有的发展,其与量子论、相对论一起被誉为二十世纪自然科学中的“三大革命”。
神经元 HR 模型簇放电活动的计算机仿真

神经元 HR 模型簇放电活动的计算机仿真周毅【摘要】Ab stract: Four types of bursting pattern were simulated in the HR model. They are fold/SupHopf bursting via fold/fold hysteresis loop, SupHopf/SupHopf bursting via fold/fold hysteresis loop, fold/fold bursting via point-point hysteresis loop, and fold/homoclinic bursting viafold/homoclinc hysteresis loop. The dynamical behavior and mechanisms of them were also studied.%针对神经元 HR 模型,通过数值仿真,发现系统出现4种不同的转迁行为。
运用快慢动力学理论,将这些神经元簇放电活动归结为4类不同的模式:fold/fold 滞后环 fold/SupHopf 型、fold/fold 滞后环SupHopf/SupHopf 型、fold/fold 点-点滞后环型、fold/homoclinic 滞后环的fold/homoclinic 型,并探讨它们的动力学行为和产生机制。
【期刊名称】《淮南师范学院学报》【年(卷),期】2014(000)005【总页数】3页(P97-99)【关键词】神经元;仿真;簇放电;分岔;快慢动力学【作者】周毅【作者单位】淮南师范学院数学与计算科学系,安徽淮南 232038【正文语种】中文【中图分类】O193生物神经系统是由数量庞大的神经元组成的结构复杂的一类信息网络,它通过神经元的发放对接收到的信息进行处理、编码、整合继而转变为神经冲动,并以此联络和调节生物各系统和器官的功能。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2000
20
40 Clum
60
80
100
Figure 1. vk = −70. (a) Time course of membrane potential; (b) geometric analysis diagram 图 1. vk = −70。(a) 膜电位的时间历程图;(b) 几何分析图
SN1 ,然后向上转迁到 Z 型平衡点曲线上支的稳定平衡点附近,此时分岔参数 Clum 增加,(1)的轨线沿着
3.3 , kerp = 15 , krel = 0.3 , kcr,作者通过数值模拟,对模型(1)进行了分析,讨论了加周期分岔、混沌在峰放电和簇放电 中的变化过程等复杂动力学现象,说明了四维模型(1)与三维 Chay 模型相比,其放电模式与实验数据更 加吻合。在本文中,我们将利用分岔和快慢动力学方法[1] [10],结合分岔软件 MATCONT 的使用,对产 生模型(1)的几种放电模式的动力学机制进行研究。
DOI: 10.12677/dsc.2017.64023
182
动力系统与控制
刘火霞,刘宣亮
(a) -20 -25 -30 -35 -40 -45 -50 -55 -60 0
V
V
(b) -20 -25 -30 -35 -40 -45 SN1 -50 -55 -60 0 SN2
P
500
1000 t
1500
图 2(a)为 vk = −76 时神经元模型(1)的膜电位 V 的时间历程图, 图 2(b)为相应的几何分析图。 在图 2(b) 中, Z 型平衡点曲线的下支和中支仍然分别为(2)的稳定平衡点曲线和不稳定平衡点曲线, 上支中 H1 和 H 2 皆为超临界的 Hopf 分岔点(靠近 H 2 右方还有一个次临界的 Hopf 分岔点未标出), 在 H1 左边和 H 2 到 SN 2 部 随参数 Clum 变化时所产生的一族稳定极限环上的膜电位 V ( t ) 的最大值和最小值曲线(在后面的几何分析 分对应稳定平衡点曲线, H1 到 H 2 部分对应不稳定平衡点曲线。红色曲线 Vmax ,Vmin 分别表示快子系统(2)
αm =
0.1( 25 + V ) 1− e
−0.1V −2.5
, β m = 4e
−
V +50 18
, α h = 0.07e −0.05V −2.5 , β h =
1 , 1 + e −0.1V −2
αn =
V +30 − 0.01( 20 + V ) 1 80 , , . τn = β 0.125e = n −0.1V − 2 1− e λn (α n + β n )
Keywords
Four-Dimensional Neuron Model, Fast-Slow Dynamics, Bifurcation, Bursting
一类四维神经元模型的放电模式研究
刘火霞,刘宣亮*
华南理工大学数学学院,广东 广州 * Email: liuliang@ 收稿日期:2017年10月1日;录用日期:2017年10月19日;发布日期:2017年10月31日
下面通过选取几个不同的 vk 值,利用快慢动力学方法来分析模型(1)的不同的放电模式的动力学机制。 本文使用的方法,与文[11]中研究三维 Chay 模型的不同的簇放电模式的方法类似。我们分以下 5 种情形 来讨论。
2.1. vk = −70
图 1(a)为 vk = −70 时神经元模型(1)的膜电位 V 的时间历程图,其放电模式为簇放电模式。为了分析 产生此放电模式的动力学机制,我们作出了含有单参数分岔的几何分析图(图 1(b))。 在图 1(b)中,黑色实线和虚线构成的 Z 型曲线为快子系统(2)的平衡点曲线,上支和下支的实线部分 对应稳定平衡点曲线, 中支的虚线部分对应不稳定平衡点曲线, 点画线为方程(4)表示的曲线。SN1 与 SN 2 点分别为系统(2)的鞍结分岔点,P 点为点画线与平衡点曲线的不稳定部分的交点,对应模型(1)的不稳定 平衡点(图 1(b)中小空心圆点)。图中附加的蓝色曲线为模型(1)的轨线在 Clum − V 平面的投影曲线,与上支 和下支的稳定平衡点曲线有部分重合。 当分岔参数 Clum 减少时,位于 Z 型平衡点曲线下支附近出发的(1)的轨线,沿着下支到达鞍结分岔点
Open Access
1. 引言
对应不同的放电模式,神经元有着不同的编码和信息处理方式。利用动力系统的分岔理论和快慢动 力学方法来研究神经元模型的不同类型的放电模式,是近几十年被大量采用和行之有效的方法,可参见 文献[1]-[6]等。如最早由 Rinzel [1]在研究神经元簇放电模式时提出的“切片法”(dissection),将神经元模 型看成快慢动力系统来研究,即将模型中的变量分为快变量和慢变量,快变量负责动作电位的产生,而 慢变量起着调节快变量的作用,其动力学行为表现为静息状态与反复放电状态的相互转迁,从而产生出 簇放电。 为了与试验数据相吻合,文[7]将描述坐骨神经慢性压迫性损伤的三维 Chay 模型[8] [9]进行了改进, 变为如下四维神经元模型
在本文中,参数值取为
vl = −40 mV , vk = −75 mV , vi = 160 mV , gi = 1080 pS , g kv = 1500 pS ,
DOI: 10.12677/dsc.2017.64023 181
动力系统与控制
刘火霞,刘宣亮
g kc = 16 pS , gl = 7 pS , λn = 320 , vc = 60 , kc =
2. 分岔和快慢动力学分析
由于变量 Clum 改变的速率远慢于其他的变量 V , n, Cin , 因此我们将 V , n, Cin 作为快变量, 将 Clum 作为慢 变量,即将模型(1)看成由快子系统
dV Cin 3 = gi m∞ h∞ ( vi − V ) + g kv ( vk − V ) n 4 + g kc ( vk − V ) + gl ( vl − V ) , 1 + Cin dt dn n∞ − n , = τn dt dC k C 3 in m∞ h∞ ( vc − V ) − kc Cin − kerp Cin + rel in ( Clum − Cin ) = kcrc + Cin dt
刘火霞,刘宣亮
关键词
四维神经元模型,快慢动力学,分岔,簇放电
Copyright © 2017 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
Study on Firing Patterns for a Four-Dimensional Neuron Model
Huoxia Liu, Xuanliang Liu*
School of Mathematics, South China University of Technology, Guangzhou Guangdong
和慢子系统
(2)
dClum k C = kerp Cin − rel in ( Clum − Cin ) dt kcrc + Cin
构成,将慢变量 Clum 作为快变子系统(2)的分岔参数。
(3)
令模型(1)的四个方程的右端为零, 得到平衡点满足的方程组。 现取模型(1)的后两个方程的右端为零,
3 然后相加,得到 m∞ h∞ ( vc − V ) − kc Cin = 0 ,由此解出 Cin ,代入(3)的右端为零的式子,可求得
摘
要
本文研究一类描述坐骨神经慢性压迫性损伤的四维神经元模型。利用快慢动力学方法,并结合数值模拟 结果来分析此模型的各种放电模式。通过作出快子系统随慢变量变化的单参数分岔图,以及对相应于放 电状态的稳定极限环的讨论,来得到不同放电模式出现的动力学机制。
*
通讯作者。
文章引用: 刘火霞, 刘宣亮. 一类四维神经元模型的放电模式研究[J]. 动力系统与控制, 2017, 6(4): 180-186. DOI: 10.12677/dsc.2017.64023
Cin dV 3 4 = dt gi m∞ h∞ ( vi − V ) + g kv ( vk − V ) n + g kc 1 + C ( vk − V ) + gl ( vl − V ) , in dn n∞ − n , = τn dt Cin k C 3 d m∞ h∞ ( vc − V ) − kc Cin − kerp Cin + rel in ( Clum − Cin ) , = dt kcrc + Cin k C dClum = kerp Cin − rel in ( Clum − Cin ) , dt kcrc + Cin
(1)
其中 V 为膜电压,n 为钾离子通道激活的概率, Cin 为细胞内钙离子浓度, Clum 对应内质网上腔钙浓 度。参数 vi , vk , vl , vc 分别表示混合 Na+-Ca2+通道,电压依赖 K+通道(或钙依赖 K+通道),泄漏离子通道和 Ca2+通道的反转电位, gi , g kv , g kc , gl 分别代表各通道的最大电导除以膜电容, m∞ , h∞ 分别为混合 Na+-Ca2+ 通道激活和失活的概率,n∞ 为 n 的稳定态值,τ n 是松弛时间,kc 表示细胞内钙离子流出的比例常数,kerp 表示钙库中 Ca2+-ATPase 的泵激活率, krel 和 kcrc 分别表示 Clum 的释放率和 Cin 的离解常数。用 y 表示 h、 αy m 或 n,则由 y∞ = 可得 h∞ , m∞ 和 n∞ ,其中 α h , β h , α m , β m , α n , β n ,τ n 的表达式如下 αy + βy