![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于Hodgkin-Huxley模型的神经元网络信息编码模式对比.pdf
《基于Hodgkin-Huxley模型的神经元网络信息编码模式对比.pdf》由会员分享,可在线阅读,更多相关《基于Hodgkin-Huxley模型的神经元网络信息编码模式对比.pdf(8页珍藏版)》请在咨信网上搜索。
1、基于Hodgkin-Huxley模型的神经元网络信息编码模式对比刘瑾琬,逯迈兰州交通大学光电技术与智能控制教育部重点实验室,甘肃 兰州 730070【摘要】目的:基于Hodgkin-Huxley(HH)神经元模型的神经元网络信息编码模式提出两类不同的信息编码方法对比。方法:采取HH神经元模型和化学突触,利用数值模拟的方法搭建不同拓扑结构的生物神经元网络,通过平均频率编码和峰峰间隔编码(ISIs)两种信息编码方法对比研究在正弦波信号和随机音频信号刺激下平均频率编码和ISIs编码的特异性,分析不同刺激信号下神经元网络的信息编码模式。结果:神经元网络的信息编码模式与刺激信号类型具有相关性:当刺激信号
2、为连续的周期信号时,神经元网络会产生与刺激信号对应的具有周期性的放电序列;当刺激信号为随机信号时,神经元网络的放电率会随着刺激信号强度发生变化,刺激信号强度越大,动作电位发放率越高。在同一刺激信号下,神经元网络的拓扑结构会影响神经元网络放电序列的时间结构。结论:神经元网络信息编码模式与刺激信号相关,不同拓扑结构的神经元网络放电序列时间结构不同。ISIs编码方法精确度更高,包含的信息量更大,与平均频率编码相结合的编码方法能够有效表达神经元网络在刺激信号下信息编码模式的动态改变。【关键词】Hodgkin-Huxley模型;神经元网络;数值模拟;平均频率编码;峰峰间隔编码【中图分类号】R318;Q8
3、11.2【文献标志码】A【文章编号】1005-202X(2024)02-0212-08Comparative study on the information encoding mode of neuronal networks based on Hodgkin-Huxley modelLIU Jinwan,LU MaiKey Laboratory of Optoelectronic Technology and Intelligent Control(Ministry of Education),Lanzhou Jiaotong University,Lanzhou730070,ChinaA
4、bstract:Objective To propose two different types of information encoding methods for the information encoding mode ofneuronal networks based on Hodgkin-Huxley(HH)model.Methods The biological neuronal networks with differenttopologies were built with numerical simulations using HH model and chemical
5、synapses.The specificities of twoinformation encoding methods,namely average frequency encoding and interspike interval encoding,under the stimulus ofsinusoidal signals and random audio signals were investigated,and the information encoding mode of neuronal networksstimulated by different signals wa
6、s also analyzed.Results The information encoding mode of the neuronal networks wascorrelated with the stimulus signal type.When being stimulated by a continuous periodic signal,the neuronal network wouldgenerate a discharge sequence with periodicity corresponding to the stimulus signal.When the stim
7、ulus signal was a randomsignal,the discharge rate of the neuronal network would change with the stimulus signal intensity,and the higher the stimulussignal intensity was,the higher the action potential discharge rate was.Under the same stimulus signal,the temporal structureof the neuronal network di
8、scharge sequence was affected by the topology of the neuronal network.Conclusion Theinformation encoding mode of neuronal networks is correlated with the stimulus signal,and the temporal structure of thedischarge sequence of neuronal networks with different topologies is different.Interspike interva
9、l encoding has higheraccuracy and contains more information,and the combination with the average frequency encoding can effectively expressthe dynamic change of the information encoding mode of neuronal networks under the stimulus.Keywords:Hodgkin-Huxley model;neuronal network;numerical simulation;a
10、verage frequency encoding;interspikeinterval encoding【收稿日期】2023-06-19【基金项目】国家自然科学基金(51567015,51867014)【作者简介】刘瑾琬,硕士,研究方向:生物电磁技术,E-mail:liu_【通信作者】逯迈,博士,博士生导师,教授,研究方向:生物医学电磁学、电磁暴露安全评估,E-mail:DOI:10.3969/j.issn.1005-202X.2024.02.014第41卷第2期2024年 2月中国医学物理学杂志Chinese Journal of Medical PhysicsVol.41 No.2Feb
11、ruary 2024医学信号处理与医学仪器-212前 言大脑作为极为精巧和完善的信息系统,是人类接收外界刺激信息,将经过神经细胞编码的信息进行整合,并做出决策、发出指令,产生行为的指挥中心。理解大脑的结构和功能不仅是脑科学、神经生物学等学科研究的重点内容,也是人工智能领域发展的基础1-3,对人工神经网络的应用有重要意义4。神经系统中,神经元通过放电活动来表征从周围环境中获得的信息,并借助其放电特性的变化对刺激信号进行编码5。破译神经系统中的信息编码机制是脑科学研究领域的重要内容 6。1926年,Adrian7研究发现肌肉中感觉神经元放电频率与刺激强度有关,基于此提出神经元通过放电频率对信息进行
12、编码。2007年,Butts等8研究发现神经元放电序列的时间结构能够编码信息。在神经信息编码的研究中发现在实际的信息处理过程中,单个神经元不能对信息进行有效编码,而是以神经元集群编码的方式编码信息9-10。2010年,Wang11发现神经元之间放电序列的相关性和同步放电现象可以有效抑制噪声对编码的影响,提高编码效果,保证神经信息编码的可靠性。Wang等12-13利用计算机数值模拟的方法构造了几类神经元集群的网络模型,并研究在网络拓扑结构发生变化的情况下神经网络的相同步运动和神经编码方式的变化。2019年,Guo等14研究基于突触可塑性的脉冲神经网络在外加刺激下的网络信息编码特性。2023年,Z
13、hang等15提出基于IF神经元的3层全连接的超导脉冲神经网络构建方法,结果表明所构建网络比现有大多数的生物启发式神经网络具有更高的效率。上述研究从不同角度提出不同的神经信息编码方法,频率编码、时间编码、模式编码等方法也不断被应用于神经元集群的编码研究中。但是研究中选用的多为Izhikevich、IF等较低维度的神经元模型,不能精确模拟真实神经元电生理特性。本文选取最接近生物学实际的Hodgkin-Huxley(HH)模型,基于 MATLAB&Simulink平台,采用数值模拟的方法搭建化学突触连接的具有生物特性的复杂神经元网络,采用平均频率编码和峰峰间隔编码(Inter-Spike Inte
14、rvals,ISIs)方法分别从神经元动作电位的发放速率和放电序列的时间结构角度对比分析神经元网络的信息编码模式。1 方 法1.1 理论基础1.1.1 HH 模型HH 模型在 1952 年由 Hodgkin 和Huxley提出16-19,通过一组四阶非线性微分方程描述了乌贼轴突细胞膜动作电位产生和传导的过程,能够准确地解释实验结果,如式(1)所示:CdVdt=GNam3h(ENa-V)+GKn4(EK-V)+GL(EL-V)+Idndt=n(1-n)-nndhdt=h(1-h)-hhdmdt=m(1-m)-mm(1)式中,I为外部刺激电流,C为细胞膜单位面积的电容,V是膜电压,GNa和GK分别
15、代表钠离子通道、钾离子通道的最大电导,GL为漏电导,ENa、EK、EL分别为钠离子通道、钾离子通道、漏电流的反转电势,m和h分别为钠离子通道电导的激活变量和抑制变量,n为钾离子通道的激活变量,和是与膜电位有关而与时间无关的速率函数20,如式(2)所示:m=0.1(V+40)1-exp(-(V+40)/10)m=4exp(-(V+65)/18)h=0.07exp(-(V+65)/20)h=1exp(-(V+35)/10)+1n=0.01(V+55)1-exp(-(V+55)/10)n=0.125exp(-(V+65)/80)(2)1.1.2 突触模型 神经系统中信号的传递、整合的过程需要依赖神经
16、突触连接构成的神经回路。神经突触作为神经元之间相互联系并通讯的部位,包括电突触和化学突触,最常见也最重要的是化学突触,故本文选用化学突触进行建模。Savtchenko21研究并提出一种复杂的动力学模型,该模型能够精确描述化学突触进行信息传递的过程且更接近于生物学实际22,故本文选取该突触模型,其表达式如式(3)所示:Isyn=-CmS2(V1-V2)t+Gs(Vp-Es+V1-V2)(3)式中,Isyn为突触后电流,Gs为突触后电导,Es为突触可逆电位,VP为突触后保持电位,V1、V2分别为前后神经元的膜电位,-CmS2描述了突触前神经元动作电位产生的电容电流,GS(VP-ES+V1-V2)描
17、述了通过突触后配体门控通道的离子电流。化学突触连接神经元模型如图1所示,突触前神经元接受外部刺激信号产生膜电位V1,经化学突触产生突触后电流Isyn作用于后神经元,后神经元产生动作电位V2反馈给化学突触,完成神经元之间的连接。第2期刘瑾琬,等.基于H o d g k i n-H u x l e y 模型的神经元网络信息编码模式对比-2131.2 神经元网络建模通过Leonid化学突触连接的神经元数学模型描述如下:CdV1dt=GNam31h1(ENa-V1)+GKn41(EK-V1)+GL(EL-V1)+IextCdV2dt=GNam32h2(ENa-V2)+GKn42(EK-V2)+GL(E
18、L-V2)+Isyn(1,2)Isyn(1,2)=-CmS2(V1-V2)t+Gs(Vp-Es+V1-V2)(4)由式(4)可知,外部刺激信号Iext作用于突触前神经元,化学突触产生的突触电流Isyn作用于后神经元,且由图1可知Isyn的值与突触前后神经元的膜电位有关且有方向。各神经元离子通道参量(m、n、h)参考HH神经元模型,由速率函数计算得出初值m0、n0、h0分别为 0.052 9、0.317 7、0.596 1。多个神经元网络建模方法可参考2个神经元连接模型建立,表1为神经元网络模型各参数取值。1.3 神经元网络信息编码方法1.3.1 平均频率编码方法 平均频率编码指神经元通过固定时
19、间窗内动作电位发放频率的变化对外界刺激信息进行编码的方法,具有大量的生物实验基础。在神经元网络放电时空序列中,Hi表示第i个神经元发放序列,tni表示第i个神经元第n个放电的时刻:Hi=,tni,t1i t2i tni t-max()tin|tin t,ti1 t tiM(8)平均频率编码方法是对该时刻所在时间窗内的动作电位发放频率计算平均值,所以精确度较差。ISIs编码方法可以利用平均频率编码无法表达的放电活动特性来编码信息。因此本文采用平均频率编码和ISIs编码两种方法对所构建神经元网络的编码特性进行分析,能够更加全面地了解神经网络的信息处理特性。1.4 模拟仿真平台本文基于MATLAB&
20、Simulink平台进行建模仿真。如图2所示,Simulink平台可以分别将HH模型与化学突触模型进行封装以模块化呈现,利于观察网络模型的拓扑结构。在搭建模型时考虑了化学突触后神经元的反馈电位,符合生物学实际。变量VC/CmGNaGKGLENaEKELESVP变量名称膜电位膜电容钠离子通道最大电导钾离子通道最大电导漏通道最大电导钠通道反转电势钾通道反转电势漏通道反转电势突触可逆电位突触后保持电位取值-65 mV1 V/cm2120 mS/cm2360 mS/cm20.3 mS/cm250 mV-77 mV-54.5 mV-70 mV65 mV表1 神经元网络模型仿真参数值Table 1 Sim
21、ulation parameters of neuronal network model输入刺激Iext神经元1VpostVpre化学突触V2V1神经元2Isyn图1 化学突触连接模型Figure 1 Chemical synaptic connection model1lextIn1神经元1VpreVpreIn1In2In1VpreVpre神经元2化学突触(1,2)示波器神经元(1,2)图2 两个HH神经元耦合的Simulink模型Figure 2 Simulink model of two HH neurons coupled by chemicalsynapse中国医学物理学杂志第41卷
22、-2142 结 果在大脑的神经系统中,神经元网络的连接方式分为规则连接和不规则连接,其中规则连接方式包括环式和全局连接。实验结果表明,真实的生物神经元网络以不规则连接方式为主,表现为小世界特性23-25。本文通过构建简单环形网络、全局耦合网络和小世界网络模型,应用平均频率编码和ISIs编码两种编码方法,分别研究在正弦信号和随机音频信号刺激下不同网络拓扑结构的神经元网络信息编码特性。本文构建的神经元网络模型中神经元个数为10,且为全同神经元。网络中神经元通过化学突触依次有向连接,符合生物神经系统中信息传递结构。以简单环网为例,在Simulink中构建的模型如图3所示,图中Synapse(1,2)
23、表示神经元N1和N2(后文神经元均由编号表示)之间的化学突触,信息由N1向N2传递。全局耦合网络和小世界网络模型都是在规则环网模型结构的基础上,不破坏原来环结构的任意一个连接,对网络进行加边处理,且神经元本身不能自连。其中,全局耦合网络模型中每个神经元依序与网络中除自身外其它9个神经元相连,该模型在简单环网的基础上增加80条突触,符合规则网络特点。构建小世界网络模型时,网络中每个神经元随机添加3条与其它神经元的化学突触连接,符合小世界网络特性,该模型在简单环网的基础上增加30条突触连接,符合不规则网络特点。神经元网络的输入信号分别为正弦波信号和随机音频信号,N1接收刺激信号,其余神经元外加刺激
24、为零,突触后电导(耦合强度)取值设置为0.1 mS/cm2。图3 10神经元简单环网Simulink模型Figure 3 Simulink model of the simple ring network of 10 neuronsVpreOut1InVpreVpre1 1InIn1Neuron1Synapse(10,1)Out2In1In2Neuron10VpreVpre1In1In1In2Out2Synapse(9,10)Neuron9Neuron8Synapse(8,9)Synapse(7,8)Neuron7Neuron6Synapse(6,7)Synapse(5,6)Neuron5Sy
25、napse(4,5)Neuron4Synapse(3,4)Neuron3Synapse(2,3)Neuron2Synapse(1,2)In1In2Out2In1VpreVpre1In1In2Out2In1VpreVpre1In1In2Out2In1VpreVpre1In1In2Out2In1Vpre1VpreIn1In2Out2In1Vpre1VpreIn1In2Out2In1Vpre1VpreIn1In2Out2In1Vpre1VpreIn1In2Out2In1Vpre1Vpre(Display membrane potential of neuron10)Scope2.1 正弦信号刺激下神
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Hodgkin Huxley 模型 神经元 网络 信息 编码 模式 对比
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。