近年来,随着脑科学研究的兴起,搭建大型神经元网络模型已经成为模拟脑功能的重要方式之一。虽然构建网络模型时使用现有的神经元详细模型可以精确地反映真实神经元的电生理学行为,但其所需的庞大计算资源不利于网络模型的运行效率。因此,构建神经元简化模型成为解决该问题的关键。简化模型不仅可以降低神经元几何形态复杂度而且能够在保留神经元输出特性的基础上提高运行效率,具有重要的研究意义。本文针对神经元模型简化过程中面临的问题进行研究,主要内容包括:(1)目前现有的大多数神经元简化模型在简化过程中需要手动调整参数,而且存在简化精确度不高、细胞通用性不强的问题。为此,本文提出一种基于Horton策略编码的神经元简化模型,将河流分级Horton策略应用到简化模型的编码过程中,实现不同形态神经元编码阈值的统一,再经过分类聚簇、化简合并等步骤实现对神经元详细房室模型的简化。多组实验表明该简化模型具有良好的简化精确度,并能有效模拟真实神经元的电反应。(2)上述提出的基于Horton策略编码的神经元简化模型未能考虑膜电阻、膜电容等被动电学特性对简化性能的影响,而且在部分刺激类型下的简化精确度有待提高。鉴于此,本文提出了基于细胞分支特性编码的神经元简化模型,该模型在编码过程中结合了树突分支特性,并运用保留膜表面积的简化思想实现详细房室模型几何形态的简化,在此基础上以简化前后体积之比为比例因子进行神经元离子通道和电生理学特性的映射并最终实现简化模型的构建。实验结果表明,该模型显著提升了简化精确度,而且能够精确地模拟详细房室模型的输出特性。综上,本文提出了两种神经元简化模型,在简化神经元形态复杂度的基础上保留了真实神经元的输出特性,实现了神经元详细房室模型的有效化简。