三维神经元的几何形态重构及其放电模式研究

来源 :西北师范大学 | 被引量 : 0次 | 上传用户:hao1238888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为大脑构造的基本单位,神经元的结构和功能包含很多因素,其中神经元的几何形态特征和电学物理特性是两个重要方面。最近十几年来,研究者根据神经生物学理论和充分的实验数据,应用神经元仿真技术,可以高效地对神经元的几何形态、物理和生物化学变化等进行模拟。随着神经科学的广泛研究以及计算机技术的快速发展,特别是可视化技术的不断发展,使得研究者对神经元模拟结果的真实性、精确性、生动性和直观性不断地得以提高。在对国内外现有的主要几种神经元生成方法、技术具体分析的基础上,本文构造并且以运动神经元为实例详尽地说明了一种基于神经生物学理论的、能够产生真实感模拟结果的神经元重构生成算法,最后并研究了运动神经元的放电模式。为此,本文主要在神经元的几何形态和放电模式上做了一些有益的探索性工作,具体如下:复杂多样的空间几何形态是神经元的重要特征,而几何形态是研究神经系统连接和单个细胞信息处理的基础。树突和轴突的形态多样性为突触整合,信号传导,网络连接和电路动态提供了必要的基质。为了能够逼真地重构神经元的几何形态,本文构造了一种新的三维神经元几何形态的发育生成方法,该方法采用了具有生物特性的基因调控网络模型进行发育生成三维虚拟神经元。另外,所采用的几何形态参数是通过对大量实验数据的分析、抽象和总结而得到的,因此实验结果真实可靠,最后分析了发育模型中不同参数对实验结果的影响。为了使模拟结果更具精确性、逼真性,生成在解剖结构上和统计上与生物神经元没有区别且具有高度一致的虚拟神经元,本文引入了NSGA-II多目标进化算法,组合基因调控网络模型与进化计算的思想来进化生成三维虚拟神经元。所采用的进化算法以基因片段复制与歧化模型为核心,而基因复制与歧化机制在基因调控网络的进化中具有重要的作用,是形成基因调控网络结构最主要的驱动力量。通过比较分析可知实验结果与标准神经元的几何形态具有高度的相似性。神经元的电学物理特性包含了不同的电位发放模式。为了将运动神经元几何形态造型的结果应用于电生理活动的仿真,本文利用NEURON神经元模拟软件进行实验,并分别模拟了不同的几何形态、突触数目和外界刺激这三个方面对神经元放电模式的影响。实验结果表明,神经元具有丰富的电位发放模式,几何形态、突触数目以及外界刺激的不同,都引起了神经元不同的电位发放。由于树突,轴突的生长变化,神经元的几何形态千变万化。空间几何形态和电学物理特性等多个因素一起,综合表达神经元的信息传递功能。综上所述,本文以真实感为基本目标,以神经生物学理论为基础,以大量的实验数据为依据,构造了一种神经元几何形态重构的生成算法,并研究了神经元的放电模式。
其他文献
作为支持企业经营过程重组和经营过程自动化的一种手段,工作流技术的研究和应用日益受到学术界与企业界的重视。主要研究了工作流领域的建模技术,提出了一种基于策略控制的工
随着经济全球化发展和企业工作流技术的不断发展,越来越多的业务过程跨越组织的边界形成了跨组织的工作流。面向服务的框架SOA(Service OrientedArchitecture)成为近年来实现跨
随着网络技术与信息技术的发展,信息系统的安全性与效率越来越被重视。基于角色的访问控制技术已经成为一种重要的保证系统安全性的技术,新兴的信息技术和应用也对系统安全性
无线局域网(Wireless Local Area Network,WLAN)作为有线网络的延伸,有着应用灵活、安装速度快、建设周期短、地理适用性强等特点,已经广泛的应用在各行各业。不断提高无线网络
计算机实时图形技术是计算机三维游戏,计算机辅助设计与制造(CAD/CAM),.数字媒体创作(DCC)、虚拟现实等领域中的基本问题。最近几年,随着这些应用领域的飞速发展,人们对实时图形的
人类社会已经进入信息时代,网络所承载的用户和业务迅速激增,网络环境的开放性、匿名性和动态性特征也越来越明显。本文主要研究的虚拟社区是网络社会化的重要产物,深刻地影响着
Shor算法的提出引起了众多学者对量子计算的关注。Shor算法利用量子力学的叠加、坍缩等特性,在多项式时间内求解了大整数因子分解问题和离散对数问题。而公钥密码体制的安全性
管理信息系统(MIS)是指在管理工作中以数据库为核心的计算机应用,是信息技术革命的重要内容.管理信息系统集成了计算机网络技术、通信技术、信息处理技术,对信息进行收集、传递
互联网上信息的爆炸式增长使个性化的信息服务越来越显得必要。Web新应用社会书签上协同标记的出现为个性化服务的发展提供了新的契机。标签为基于内容的检索推荐提供了丰富
本论文从神经网络基本理论出发,重点研究了神经网络泛化方法的自构形算法。自构形学习算法是在BP算法的基础上形成的一种多层前向神经网络的相关性剪枝方法,通过引入相关系数和