神经元模型hhmodel模型_HH神经元模型 -
1
HH神经元模型
摘要:运用Fortran等软件凭借计算物理的知识进行HH神经系统模型模拟,进而了解神经细胞的一些运行机制及其特性。
关键词:HH神经系统模型;电流刺激;频率;离子个数;应激反应
1. 引言
1952年Hodgkin和Huxley连续发表了四篇描述神经传导实验与模型的论文。他们利用Cole发明的电压钳位技术获得了乌贼轴突电生理活动的大量实验数据,并在这些数据的基础上推导出一个采用四维非线性微分方程系统描述的数学模型,称为Hodgkin-Huxley模型。该模型能够准确的解释实验结果,量化描述了神经元细胞膜上电压与电流的变化过程。对Hodgkin-Huxley模型的研究主要分为两个方向:一方面是实验研究,通过改进实验手段获取精确数据,对Hodgkin-Huxley模型中的某些环节赋予更切合实验现象的数学表达形式;或是对神经元以外的其他组织器官进行实验,推导出心肌等不同细胞中Hodgkin-Huxley模型的形式与参数。另一方面则是对Hodgkin-Huxley模型本身的数学分析。当前对Hodgkin-Huxley模型的分岔现象研究主要采用数值计算方法,选取不同生理参数探寻其变化时对系统的动态影响,取得了一定成果。对一些疾病的治病原理有了进一步的认识。
2. HH神经系统模型
2.1 脑细胞的HH模型概述
脑细胞神经元具有可激励性。可激励性是当介质受到小扰动时,介质很快恢复到平衡
态(静态); 但当扰动超过某一阈值时,介质将有一个快速又陡峭的响应,呈现激发状态.。Hodgkin-Huxley模型可对脑细胞一些性质进行数值模拟。
??dV????CmdtgL(V?E3L)?gnamh(V?ENa)?????gKn4(V?Ek)?Iapp??dmdt??m(V)(1?m)??(V)m?m??dhdt??h(V)(1?h)??h(V)h??dn??(V)(1?n)??dt?n?n(V)n?(V?55)n???0.011?e?(55?V)/10??(V?65)/80n???0.125?e?m???0.1(V?40)1?e?(40?V)/10?4?e?(V?65)/18
m???
?h???0.07?e?(V?65)/20?h???11?e?(35?V)/10??3(T?6.3)/102
cm?1?F/cm2g?2Na?120mS/cmg?
K?36mS/cm2gL?3ms/cm2
EK??77mV
ENa?50mV
EL??54.4mV
2.2 寻找起振阈值
只有当电流I刺激达到一定值时,即当扰动超过某一阈值时,介质将有一个快速又陡峭的响应,呈现激发状态.。假设当V>=55时算是达到激发状态,在全部时间内给予直流刺激,通过编程寻找起振阈值。
图1 无刺激时的图像
图2 I=6.1时的图像
图3 I=6.2时的图像
图4 I=6.3时的图像
可以看出真正的起振阈值为I=6.3,在I<6.3时细胞达不到激发状态或即使达到激发
3
状态也很快恢复到静息电位。
2.3 不同刺激下的电压图
研究不同刺激强度下神经元膜电势的变化,并通过结果理解可激发系统的响应特性。 如果刺激给的是一个短暂的脉冲电流,则图像如图5所示:
图5 一个脉冲刺激的图像
如果刺激给的是分段的直流刺激(如图6所示),则相应的图像如图7所示。
图6 分段的直流刺激
图7 分段的直流刺激下电压情况
3. 电流刺激和相关量关系
3.1 直流刺激强度和神经元发放频率之间的关系。
针对不同的刺激强度,神经元的发放频率
也会随之变化。由图7可以大致猜想神经元发放频率应该随着直流刺激强度的增加而加快。具体结果如图8所示:
图8 直流刺激强度和神经元发放频率之间关系
从图8可以明显看出神经元发放频率应该随着直流刺激强度的增加而加快,验证了上述的猜想。
3.2 一个动作电势过程中的通过单位面积细胞膜的钠离子总数目
4
在一个动作电势过程中,为了维持细胞内的电荷平衡以及钠离子和钾离子的平衡,钠离子和钾离子分别通过钠离子通道和钾离子通道与细胞外的离子进行交换,此过程中伴随着钠离子的流入和流出,最后使细胞回到静息电位。当电流刺激I=8时,一个动作电势过程中的通过单位面积细胞膜的钠离子总数目为156.62027E19个。图9为电流刺激与一个动作电势过程中的通过单位面积细胞膜的钠离子总数目关系图。
图9 一个动作电势过程中的通过单位面积细胞膜的钠离子总数目与刺激电流的关系
从图9可以看出当电流强度达到一定强度一个动作电势过程中的通过单位面积细胞膜的钠离子总数目将趋近稳定。神经元细胞内的钠离子数目是有限的,只会对一定范围内的刺激作出合理的反应,但刺激过大时神经元就会收到一定的损伤,相对变得迟钝,因此一个动作电势过程中的通过单位面积细胞膜的钠离子总数目将趋近稳定,符合趋利避害的原则。
3.3 课题小拓展
神经元受到不同大小直流电流刺激时,神经元要对外来的不同刺激做出不同的反应,在动作电位过程中神经元会放出不同数量的钠离子和钾离子,这样其相应的电位平衡位
置、峰值、最低值以及神经元发放频率发生一些变化,只有这样才能更好地避免外界带来的伤害,最大可能地维持细胞的内环境的稳定,保持细胞活性。因为当直流电流刺激I大于等于阈值时就会产生动作电位,因此寻找平衡电位与直流电流刺激的关系是比较难办的,于是下面就只给出电位峰值及最低值与直流电流刺激的关系。
图10 电位峰值与直流电流刺激的关系
图11 电位谷值与直流电流刺激的
关系
5
由图10和图11可以看出当直流电流刺激增大增大时,增大时电位峰值会不断降低,而电位最低值(谷值)会不断升高,细胞的电压变化会越来越小。
4. 现实联系
运用HH神经系统模型Britton闸门控制环路数学模型,从神经元电位发放的角度模型考察四种疼痛的区别,在每种情况中,通过刺激参数的改变,详细阐述闸门控制环路中外界疼痛信息在神经疼痛通路中的传导,包括神经元的动作电位、平均发放率以及ISI,并通过图形来说明闸门控制环路对不同程度外界疼痛刺激所呈现的不同发应.再对T神经元MFR值进行分析,得出疼痛的不同来源。此外运用HH神经系统模型还可以知道针灸等过程。运用类比的思想可以将HH神经系统模型运用于自动控制过程,比如:假设可以讲HH神经系统模型运用于闸门放水过程,可以将下游需水情况和上游降雨情况看成影响因数,下游需水情况和上游降雨就相当于刺激I,每当I达到阈值则会影响开闸的次数,即放水的频率。
5. 实验感想和总结
通过以上的研究,得到了直流刺激强度和神经元发放频率之间的关系,一个动作电势过程中的通过单位面积细胞膜的钠离子总数目与直流刺激强度以及电位峰值及最低值与直流电流刺激的关系,了解到了HH神经系统模型的一些性质。由于神经细胞具有一定的应激性和适应性,外来刺激不应过大,当外来刺激过大时就会导致细胞受到损害,进而影响其正常的功能,更甚者当外来刺激大于神经元能够承受的范围时,细胞将死亡。
参考文献
[1] 王江,张骅,曾启明. 肌肉中的HH模型钠离子通道反电势的Hopf分岔分析【J】. 系统仿真学报,2004, 16(10):2276-2284 [2] 赵明骅. Ho dg k i n - Hu x l ey 神经元系统的随机动力学研究[J]. 兰州大学学报,
2003,39(6):37-39
[3] 刘军, 李光, 童勤业. HH 模型阈值特性分析及参数空间拟合[J]. 浙江大学学报,2004,31(6)::685-689
[4] 司文杰 .HH模型的ISI及针刺电信号分析[D].天津:天津大学,2007
[5] 李叶磊. 针刺电信号的提取及分析[D]. 天津:天津大学, 2009
[6] 张莹, 李智. 基于HH模型的心肌细胞电模型[J]. 计算机与数字工程,2012,40(4),1-5
[7] 车艳秋. Ho dg k i n - Hu x l ey 神经元系统分叉和混沌分析[D]. 天津:天津大学, 2005 [8] 李会艳. 神经系统的非线性动力学分析与控制[D]. 天津:天津大学, 2006
神经元模型hhmodel模型_HH神经元模型 -相关推荐
- 神经元模型hhmodel模型_单个神经元的简单模型:Leaky integrate and fire (LIF) model
神经元的交流,传输与活动,都离不开一个个非常短暂的脉冲-Spike.有各种各样的模型,可以描述神经元的电位变化,发放,比如HH模型等等.但是如果只考虑比较粗糙的一些性质,比如膜电位的简单变化和spik ...
- 人工神经元模型的三要素,神经元模型包括
人工神经网络的基本特征 人工神经网络是由大量处理单元互联组成的非线性.自适应信息处理系统.它是在现代神经科学研究成果的基础上提出的,试图通过模拟大脑神经网络处理.记忆信息的方式进行信息处理. 人工神经 ...
- 【brainpy学习笔记】简化神经元模型1——LIF、QIF模型
参考书目:<神经计算建模实战--基于brainpy> 吴思 0.引言 上一篇笔记中的HH模型可以精准刻画离子通道的开启与关闭,从而模拟动作电位的产生细节.其缺点在于当需要模拟动作电位发放细 ...
- 【matlab】 Izhikevich模型脉冲神经网络神经元实现
前段时间研查阅文献时的matlab方面的探索,这一部分主要参考文献为 [34] 朱娟. 基于尖峰神经元模型的机器人学习方法研究 [D]; 南京理工大学, 2014. 1.1 模型建立 1.1.1 脉冲 ...
- 《繁凡的深度学习笔记》前言、目录大纲 一文让你完全弄懂深度学习所有基础(DL笔记整理系列)
<繁凡的深度学习笔记>前言.目录大纲 (DL笔记整理系列) 一文弄懂深度学习所有基础 ! 3043331995@qq.com https://fanfansann.blog.csdn.ne ...
- 深度复盘:AI 与脑科学的错位
智源导读:在人工智能领域,以智源"悟道2.0"为代表的大规模预训练模型已经取得了非常大的成功,也代表了人类目前技术的最高峰.然后,在迈向通用智能的征途中,除了大数据.大算力和大模型 ...
- 脉冲神经网络_【强基固本】脉冲神经网络(SNN)
"强基固本,行稳致远",科学研究离不开理论基础,人工智能学科更是需要数学.物理.神经科学等基础学科提供有力支撑,为了紧扣时代脉搏,我们推出"强基固本"专栏,讲解 ...
- 学习笔记----周志华《机器学习》第五章(神经网络)(一)
周志华的<机器学习>算作一本入门的宝书.本文是对周志华的机器学习第五章神经网络的学习笔记.在第五章主要涉及的内容:神经网络.常见激活函数.感知机.多层前馈神经网络 .反向传播算法(BP算法 ...
- 文末赠书100本 | 当下最火爆的机器学习算法
1959年美国的塞缪尔(Samuel)设计了一个下棋程序,这个程序具有学习能力,它可以在不断的对奕中改善自己的棋艺.7年年,这个程序战胜了美国一个保持8年之久的常胜不败的冠军.包括最近火热的Alpha ...
- ALC--软件定义架构的PLC
"软件正在吞噬世界,所有过去特定硬件实现的功能,现在都会通过软件实现",传统封闭的工业控制系统,其通过特定硬件实现的功能在工业互联网时代都将被软件所取代,硬件将重新实现重构,功能将 ...
最新文章
- SpringBoot静态获取 bean的三种方式,你学会了吗?
- SpringBoot第二十二篇: 创建含有多module的springboot工程
- JAVA 之异常处理与IO流
- python中sorted()函数的用法
- sqlmap的使用 ---- 自带绕过脚本tamper
- mate10鸿蒙系统,华为将发布 MatePad Pro:搭载鸿蒙系统,麒麟 9000 处理器
- 使用远程服务器Spyder
- 【Android UI设计与开发】9:滑动菜单栏(一)开源项目SlidingMenu的使用和示例-转...
- android中一些常用的VIEW动作类型
- [IDEA]项目web文件夹找不到
- mt6735通用recovery_mt6735刷机包下载
- 三段位移求加速度_求:速度与位移的公式推导
- 计算机 在哪看是什么32位,怎么看电脑是32位还是64位?
- 3月第1周易盾业务风控关注 | 治理升级,让“标题党”、流量造假等网络乱象走开
- 推荐一个Mac上的软件卸载工具
- 14 metabase定制
- IT软件技术人员的职位路线(从程序员到技术总监) - 部门管理经验谈(转)
- 基于Vue2.x的前端架构,我们是这么做的
- 演进式架构学习笔记(一):架构评估及适应度函数
- LocalDate和LocalDate比较相隔多少天及相隔几年几月几天