（生物医学工程专业论文）海马CA3+SWNN模型及神经元集群编码刺激的研究.pdf

天津医科大学博士学位论文 对三类特定刺激神经元集群编码的表征效能。 对在不同刺激模式下获得的仿真神经元群体发放时空序列，分别应用频率 编码和i s i 相关编码来划分功能神经元集群。 ( 1 ) 神经元集群电活动的频率编码 时间窗口为2 0 0 m s ( 生理窗口) ，窗口移动步长设置为5 0 m s ，统计时空序 列中每个神经元在每个移动窗口内的神经元发放的个数。进行归一化处理后， 获得表征神经元群体发放时空模式的动态“地形图 。 ( 2 ) 基于放电峰峰间隔序列( i s i ) 的神经元集群相关编码 对神经元群体放电时空序列( s p i k et r a i n s ) 中每个神经元的放电序列， 计算放电脉冲间隔序列i s i s 。 连接n 个神经元发放时空序列中每个神经元的离散i s i s 点，经过曲线拟 合后得到n 条神经元发放i s i 序列的连续曲线。 选取在刺激后神经元平均发放频率最高的神经元发放序列作为参考序 列。 设定窗口宽度( 选择小于5 0 m s 的小窗口) ，在第k 个窗口中计算其它 n 1 个i s i 序列对参考序列的相关值。 选择步长为1 3 窗口宽度，计算每个移动窗口中i s i 中的n 1 个相关值。 绘制在时间、空间上神经元群体放电的“地形图”，划分编码特定刺激 模式的动态神经元集群。 结果： 1 本论文在m a t l a b 7 4 仿真平台上构建了海马c a 3 区小世界神经网络模型。 应用该模型可以成功仿真海马c a 3 区神经元群体的放电特性。 2 在没有刺激输入时，海马c a 3 区小世界神经网络模型输出的神经元群动 作电位发放平均发放率为7 8 ，符合海马c a 3 区神经元群放电的稀疏发放特性 ( 平均发放率小于1 0 ) 。 3 在三类刺激输入模式( 脉冲刺激、g a u s s i a n 白噪声刺激和上述两类刺激 的线性叠加) 下，模型输出的神经元群体动作电位发放的特征模式不同。 对应的神经元集群编码模式如下： 神经元集群频率编码 天津医科大学博士学位论文 ( a ) 在脉冲刺激输入条件下，各个神经元的放电频率范围为 5 1 4 2 1 5 2 h z ，群体( 1 2 0 个神经元) 平均放电频率为1 0 4 3 0 3 8h z 。神经 元集群频率编码能够编码脉冲刺激输入模式。 ( b ) 在g a u s s i a n 白噪声刺激信号作用下，各个神经元的放电频率范围为 【3 0 2 1 5 2 8 】h z ，群体平均放电频率为7 5 9 0 6 2 h z 。神经元集群频率编码能够 编码g a u s s i a n 白噪声刺激输入模式。 ( c )在以上两类刺激的线性叠加条件下，神经元的放电频率为 2 2 7 5 5 2 1 h z ，平均放电频率为1 5 5 2 0 8 4 h z 。神经元集群频率编码不能编码 脉冲刺激和g a u s s i a n 白噪声刺激线性叠加输入模式。 神经元集群的i s i 相关编码 ( a ) 神经元集群i s i 相关编码能够编码脉冲刺激输入模式。 ( b ) 神经元集群i s i 相关编码能够编码g a u s s i a n 白噪声刺激输入模式。 ( c ) 神经元集群i s i 卡f l 关编码对脉冲刺激和g a u s s i a n 白噪声刺激线性叠加 输入模式编码效果不明显。 结论： 1 本论文建立的海马c a 3 区神经元群小世界神经网络模型能够有效地仿 真海马c a 3 区神经元群体电活动，反映其稀疏特性( 平均发放率小于1 0 ) 。 2 在三种不同的刺激模式下( 脉冲刺激、g a u s s i a n f 刍噪声刺激和上述两类 刺激的线性叠加) ，海马c a 3 区神经元群动作电位发放的时空序列特征模式不同。 3 在脉冲刺激和g a u s s i a n l 刍噪声刺激下，频率编码可以划分表征不同单个 刺激的神经元集群，神经元集群频率编码只能编码单个刺激模式，对于混合刺 激模式，不能编码混合刺激模式中不同的刺激模式。i s i 相关编码效能优于频率 编码，可以划分表征不同单个刺激的神经元集群，对于两类刺激的线性叠加， 编码效果不明显，有待进一步研究。 关键词：海马c a 3s w 神经网络模型h r 神经元模型神经元集群编码 频率编码i s i 相关编码 i i i 天津医科大学博士学位论文 a b s t r a c t o b j e c t i v e i nt h i sp a p e r ，ah i p p o c a m p u sc a 3n e u r o n ss p i k i n gs m a l lw o r l dn e u r a ln e t w o r k ( s w n n ) m o d e li s e s t a b l i s h e do i lt h em a t l a b 7 4p l a t f o r mb a s e do ns p a r s ea c t i v i t yo f h i p p o c a m p u sc a 3n e u r o n s t h et e m p o r a l s p a t i a ls e q u e n c e so ft h eh i p p o c a m p u sc a 3 a r e an e u r o n sf i r i n ga c t i v i t ya r es i m u l a t e du n d e rt h es t i m u l u so fp u l s ei n p u t ，g a u s s i a n w h i t en o i s ei n p u ta n dt h el i n e a rs u p e r p o s i t i o ni n p u to ft h et w oc o n d i t i o n so nt h e s w n nm o d e l t h en e u r o n a le n s e m b l er a t ec o d i n ga n di s ic o r r e l a t i o nc o d i n g m e t h o d sa reu s e dt oa n a l y z et h es i m u l a t e ds p i k i n gt r a i n s t h eh i p p o c a m p u sc a 3a r e a n e u r o n se n s e m b l ec o d i n go ft h et h r e et y p e ss t i m u l u sa r ei n v e s t i g a t e di nt h i sp a p e r t h er e s u l t sm a yp r o v i d en e u r a lc o m p u t a t i o ns u p p o r tf o rh i p p o c a m p u sn e u r o n a l e n s e m b l ec o d i n g m e t h o d s 1 c o n s t r u c t i o no fh i p p o c a m p u sc a 3a r e an e u r o n ss p i k i n gs w n nm o d e l a c c o r d i n gt ot h ea n a t o m i c a lc h a r a c t e r i s t i c so fh i p p o c a r n p u sc a 3a r e a , t h er a t i o o ft h ee x c i t a t o r yt oi n h i b i t o r yn e u r o n si sa b o u t5t o1 t h ea c t i v i t yo fh i p p o c a m p u s c a 3a r e an e u r o n si ss p a r s ef i r i n g ( 1 e s st h a n10 ) ah i p p o c a m p u sc a 3n e u r o n s s p i k i n gs m a l lw o r l dn e u r a ln e t w o r k ( s w n n ) m o d e li se s t a b l i s h e do nt h em a t l a b 7 4 p l a t f o r m t h et e m p o r a l s p a t i a ls e q u e n c e so fh i p p o c a m p u sc a 3a r e an e u r o n sf i r i n g a c t i v i t ya r es i m u l a t e db yt h es w n nm o d e l t h eh i n d m a r s h - r o s e ( h r ) m o d e l c o u l dd e s c r i b ed i f f e r e n td i s c h a r g ep r o p e r t yo fa ne x c i t a t o r yo ri n h i b i t o r yn e u r o nb y c h a n g i n gt h ep a r a m e t e r 丫i nt h i sp a p e r ，h rm o d e li s u s e dt ob et h ed y n a m i c a l e q u a t i o n so ft h es p i k i n gm o d e ln e u r o n s t h es w n nm o d e li sc o m p o s e do f 12 0 n e u r o n s ，i nw h i c h10 0n e u r o n sa r ee x c i t a t o r ya n d2 0a r ei n h i b i t o r y t h ed i f f e r e n t n e u r o n si nt h es 仆小im o d e la l ec o n n e c t e dw i t hw ss m a l l w o r l dn e t w o r k 2 t h ed y n a m i cs i m u l a t i o no fh i p p o c a m p u sc a 3a r e an e u r o n s s p i k i n g t e m p o r a l - s p a t i a ls e q u e n c e sb yu s i n gt h es w n n m o d e l s e tu pt h r e et y p e so fs t i m u l u si n p u tp a t t e r n s ：p u l s ei n p u t 。g a u s s i a nw h i t en o i s e i n p u ta n dt h el i n e a rs u p e r p o s i t i o ni n p u to ft h et w oc o n d i t i o n s t h e4 0s e c o n d s i v 天津医科大学博士学位论文 t e m p o r a l s p a t i a ls e q u e n c e so fh i p p o c a m p u sc a 3 a r e an e u r o n sa r ea c h i e v e du n d e rt h e t h r e ed i f f e r e n ts t i m u l u sp a t t e r n si m p o s e do nt h es w n nm o d e l a tt h es a m et i m et h e i n t e r s p i k ei n t e r v a l ( i s i ) o fe a c hn e u r o ni sg e tt om a k eu pt h ei s i st e m p o r a l - s p a t i a l s e q u e n c e s 3 t h eh i p p o c a m p u sc a 3n e u r o n se n s e m b l ec o d i n go ft h r e et y p e so fs t i m u l u s t h ed y n a m i cn e u r o n a le n s e m b l ec o d i n gi si n v e s t i g a t e du n d e rt h ed i f f e r e n t s t i m u l u si n p u tp a t t e m t h en e u r o n a le n s e m b l er a t ec o d i n ga n di s ic o r r e l a t i o nc o d i n g m e t h o d sa r eu s e dt oa n a l y z et h es i m u l a t e dt e m p o r a l - s p a t i a ls e q u e n c e s t h e e f f e c t i v e n e s so ft h ea b o v en e u r o n a le n s e m b l ec o d i n gm e t h o d sa r ec o m p a r e du n d e rt h e t h r e ed i f f e r e n ts t i m u l u si n p u tp a u e m f o rt h en e u r o n a lp o p u l a t i o nf i r i n gt e m p o r a l - s p a t i a ls e q u e n c e ss i m u l a t i o nd a t a u n d e rt h ed i f f e r e n ts t i m u l u sp a t t e m ，a d o p tt h er a t ec o d i n ga n di s ic o r r e l a t i o nc o d i n g m e t h o d st om e a s u r et h ef u n c t i o n a ln e u r o n a le n s e m b l e s ( 1 ) t h e r a t ec o d i n go fn e u r o n a le n s e m b l ef i r i n ga c t i v i t y t h eb i nw i n d o wi ss e tt ob e2 0 0 m s ( p h y s i o l o g i c a lw i n d o w ) a n dt h es t e pl e n g t h o fb i nw i n d o wi ss e tt ob e5 0 m s t h es p i k i n gn u m b e r sa r ec o u n t e di nt h em o v i n g w i n d o wo f e a c hn e u r o nt e m p o r a l - s p a t i a ls e q u e n c e t h ed y n a m i ct o p o g r a p h ym a p so f n e u r o n a lp o p u l a t i o ns p i k et r a i n sa r ea c h i e v e da f t e rn o r m a l i z i n gt h es p i k i n gn u m b e r s ( 2 ) t h ei s ic o r r e l a t i o nc o d i n g o fn e u r o n a le n s e m b l ef i r i n ga c t i v i t y t h ei n t e r - s p i k ei n t e r v a l s ( i s i s ) o fe a c hn e u r o nf i r i n gs e q u e n c ea r ec o m p u t e d a m o n gt h en e u r o n a lp o p u l m i o ns p i k et r a i n s c o n n e c tt h ed i s c r e t ei s i sp o i n to fe a c hn e u r o na n dg e tt h en c o n t i n u o u s c u r v e so fi s is e q u e n c eb yc u r v ef i t t i n g t h em a x i m u mm e a nf i r i n gr a t en e u r o n a lf i r i n gs e q u e n c ei ss e l e c t e dt ob et h e r e f e r e n c es e q u e n c e t h eb i nw i n d o wl e n g t hi ss e tt ob es m a l ls c a l e ( 1 e s st h a n5 0 m s ) a n d t h eis i c o r r e l a t i o nv a l u e sa r ec o m p u t e di nt h ek t hw i n d o wo fn 一1i s is e q u e n c ew i t h r e f e r e n c ei s is e q u e n c e t h es t e pl e n g t hi ss e tt ob e1 3b i nw i n d o w , a n dt h en 一1 i s ic o r r e l a t i o n v a l u e sa r ec o m p u t e di ne a c hm o v i n gw i n d o w v 天津医科大学博士学位论文 t h ed y n a m i ct o p o g r a p h ym a p so fn e u r o n a lp o p u l a t i o ns p i k et r a i n s a r e a c h i e v e da f t e rn o r m a l i z i n gt h e i s ic o r r e l a t i o nv a l u e r e s u l t s 1 ah i p p o c a m p u sc a 3n e u r o n ss p i k i n gs m a l lw o r l dn e u r a ln e t w o r k ( s w n n ) m o d e li se s t a b l i s h e do nt h em a t l a b 7 4p l a t f o r mi nt h i sp a p e r t h es w n nm o d e lc a n s i m u l a t et h es p a r s ea c t i v i t yo fh i p p o c a m p u sc a 3a r e an e u r o n ss u c c e s s f u l l y 2 t h em e a np o p u l a t i o nf i r i n gr a t eo fh i p p o c a m p u sc a 3a r e ai s7 8 w h e nn o s t i m u l u sa c t so nt h es w n nm o d e l t h er e s u l ti si na c c o r d a n c ew i t ht h es p a r s es p i k e f i r i n gc h a r a c t e r i s t i co fh i p p o c a m p u sc a 3a r e a ( t h em e a nf i r i n gr a t ei sl e s st h a n1o ) 3 t h eh i p p o c a m p u sc a 3n e u r o n a lp o p u l a t i o nf i r i n gp a t t e r n sa r ed i f f e r e n tu n d e r t h e t h r e et y p e so fs t i m u l u si n p u t ( p u l s ei n p u t ，g a u s s i a nw h i t en o i s ei n p u ta n dt h el i n e a r s u p e r p o s i t i o ni n p u to ft h et w oc o n d i t i o n s ) t h en e u r o n a le n s e m b l ec o d i n gp a t t e r n sa r e a sf o l l o w e d ： n e u r o n a le n s e m b l er a t ec o d i n g ( a ) t h ef i r i n gr a t er a n g eo fn e u r o ni s 【5 1 4 - 2 1 5 2 】h zu n d e rt h ep u l s ei n p u t s t i m u l u sa c t so nt h es w n nm o d e l t h em e a nf i r i n gr a t eo fn e u r o n a lp o p u l a t i o n ( 1 2 0 n e u r o n s ) i s1 0 4 3 0 3 8h z t h en e u r o n a le n s e m b l er a t ec o d i n gm e t h o dc a n e n c o d et h ep u l s ei n p u ts t i m u l u sp a t t e m ( b ) t h ef i r i n gr a t er a n g eo fn e u r o ni s 3 0 2 - 15 2 8 】h zu n d e rt h eg a u s s i a nw h i t e n o i s ei n p u ts t i m u l u sa c t so nt h es w n nm o d e l t h em e a nf i r i n gr a t eo fn e u r o n a l p o p u l a t i o ni s7 5 9 0 6 2h z t h en e u r o n a le n s e m b l er a t ec o d i n gm e t h o d c a ne n c o d e t h eg a u s s i a nw h i t en o i s ei n p u ts t i m u l u sp a t t e r n ( c ) t h ef i r i n g r a t er a n g eo fn e u r o ni s 【2 2 7 5 5 21 】h zu n d e rt h el i n e a r s u p e r p o s i t i o ni n p u to ft h ep u l s ei n p u ta n dg a u s s i a nw h i t en o i s ei n p u ts t i m u l u sa c t so n t h es w n nm o d e l t h em e a nf i r i n gr a t eo fn e u r o n a lp o p u l a t i o ni s15 5 2 0 8 4h z t h en e u r o n a le n s e m b l er a t ec o d i n gm e t h o dc a nn o td i s t i n g u i s hb e t w e e nt h ep u l s e i n p u ta n dg a u s s i a nw h i t en o i s ei n p u ts t i m u l u sp a t t e r n n e u r o n a le n s e m b l ei s ic o r r e l a t i o nc o d i n g ( a ) t h en e u r o n a le n s e m b l ei s ic o r r e l a t i o nc o d i n gm e t h o dc a ne n c o d et h ep u l s e i n p u ts t i m u l u sp a t t e r n 天津医科大学博士学位论文 ( b ) t h en e u r o n a l e n s e m b l ei s ic o r r e l a t i o nc o d i n gm e t h o dc a l le n c o d et h e g a u s s i a nw h i t en o i s ei n p u ts t i m u l u sp a t t e r n ( c ) t h ee n c o d i n ge f f e c to ft h em i xs t i m u l u sp a t t e r nb yt h en e u r o n a le n s e m b l e r a t ec o d i n gm e t h o di sn o to b v i o u s c o n c l u s i o n s 1 t h eh i p p o c a r n p u sc a 3n e u r o n ss p i k i n gs m a l lw o r l dn e u r a ln e t w o r k ( s w n n ) m o d e lc a ns i m u l a t et h e s p a r s ea c t i v i t y o fh i p p o c a m p u sc a 3a r e an e u r o n s s u c c e s s f u l l y t h es i m u l a t i o nr e s u l ti sa c c o r d a n c ew i t ht h es p a r s ef i r i n g ( m e a nf i r i n g r a t ei sl e s st h a n10 ) c h a r a c t e ro fh i p p o c a m p u sc a 3a r e a 2 t h et e m p o r a l s p a t i a ls e q u e n c ep a t t e r n so fh i p p o c a m p u sc a 3n e u r o n sa r e d i f f e r e n tu n d e rt h et h r e ed i f f e r e n tt y p e so fs t i m u l u si n p u tp a t t e r n ( p u l s ei n p u t ， g a u s s i a nw h i t en o i s ei n p u ta n dt h el i n e a rs u p e r p o s i t i o ni n p u to ft h ea b o v es t i m u l u s i n p u t ) 3 t h en e u r o n a le n s e m b l er a t ec o d i n gm e t h o dc a ne n c o d et h ep u l s ei n p u t s t i m u l u sp a t t e ma n dt h eg a u s s i a nw h i t en o i s es t i m u l u sp a t t e r n t h en e u r o n a l e n s e m b l er a t ec o d i n gm e t h o dc a nn o td i s t i n g u i s hb e t w e e nt h ep u l s e i n p u ta n d g a u s s i a nw h i t en o i s ei n p u ts t i m u l u sp a t t e m t h ec o d i n ge f f e c to fi s ic o r r e l a t i o ni s b e t t e rt h a nt h er a t ec o d i n g t h en e u r o n a le n s e m b l ei s ic o r r e l a t i o nc o d i n gm e t h o dc a l l e n c o d et h ep u l s ei n p u ts t i m u l u sp a t t e ma n dt h eg a u s s i a nw h i t en o i s es t i m u l u sp a t t e r n b u tt h ee n c o d i n ge f f e c to ft h em i xs t i m u l u sp a t t e r nb yt h en e u r o n a le n s e m b l er a t e c o d i n gm e t h o d i sn o to b v i o u s k e y w o r d s ：h i p p o c a m p u sc a 3 s m a l lw o r l dn e u r a ln e t w o r kh rm o d e l n e u r o n a le n s e m b l ec o d i n gr a t ec o d i n g i s ic o r r e l a t i o nc o d i n g v i l 天津医科大学博士学位论文 缩略语 a d c a c c c p l d g f h n f s h r i f i s i p s t h p c n n r s s d s s 仆小i 符号说明 英文 a l z h e i m e r sd i s e a s e c o m ua m m o n i s c l u s t e r i n gc o e f f i c i e n t c h a r a c t e r i s t i cp a t hl e n g t h d e n t a t eg y r u s f i t z h u g h - n a g u m o f a s t s p i k i n g h i n d m a r s h r o s e i n t e g r a t e - a n d - f i r e i n t e r - s p i k ei n t e r v a l p e r i s t i m u l u st i m eh i s t o g r a m m e p u l s ec o u p l e dn e u r a ln e t w o r k s r e g u l a r - s p i k i n g s i xd e g r e eo fs e p a r a t i o n s m a l lw b r i dn e u r a ln e t w o r k x 中文 阿尔茨海默病 阿蒙氏角 聚集系数 特征路径长度 齿状回 菲尔南云模型 快速发放性放电 亨德罗斯模型 整合放电模型 放电峰峰间隔 刺激前后放电直方图 脉冲耦合神经网络 规则发放型放电 六度分离 小世界神经网络 学位论文原创性声明 本人郑重声明：所呈交的论文是我个人在导师指导下独立进行研究工作取 得的研究成果。除了文中特别加以标注引用的内容和致谢的地方外，论文中不 包含任何其他个人或集体已经发表或撰写过的研究成果，与我一同工作的同志 对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文名：盗血虱嗍7 蝴伽 学位论文版权使用授权书 本学位论文作者完全了解天津医科大学有关保留、使用学位论文的规定， 即：学校有权将学位论文的全部或部分内容编入有关数据库进行检索，并采用 影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有 关部门或机构送交论文，并编入有关数据库。 保密 口，在年解密后适用本授权书。 本论文属于 不保密囹。 ( 请在以上方框内打“ ) 学位论文作者签名妞日期川年占月肛 日 导师 签名：( 匹 日期：劫矽年占月，2 日 天津医科大学博士学位论文 1 1 研究背景 第一章前言弟一早 月u 石 记忆是重要的认知功能之一，老年性痴呆病的核心症状表现为记忆和认知 功能障碍i l 】，因此研究记忆认知过程中外界刺激在大脑中是如何被编码是探索记 忆奥秘的关键问题之一【2 3 j 。关于学习和记忆的经典神经生理机制学说一h e b b 的 神经元集群( c e l l a s s e m b l y ) 理论认为单个神经元的放电不能编码神经信息，许 多同时发放的神经元所形成的“功能”神经元集群才能够编码神经信息【4 5 j 。神 经元集群是神经系统对神经信息编码的基本单元，当外界信息( 刺激) 作用到 神经系统时，会同时激活大量的神经元，这些被同时激活的神经元募集成为神 经元集群，通过协同作用表征外界刺激信剧6 。引。海马是学习和记忆的关键脑区， 因此研究海马神经元集群电活动的特征编码模式，是探索大脑记忆机制的突破 口，能够为老年性痴呆的记忆障碍机制研究提供神经信息学的支持。 近些年来，复杂网络学科获得了蓬勃发展【9 j ，尤其小世界网络( s m a l lw o r l d n e t w o r k ，s w n ) 理论引起国内外研究者的关注【l 。近些年的研究发现，大脑神 经系统就是由各种类型的神经元相互联系所构成的一个复杂网络【1 1 1 ，能够借助 小世界复杂网络模型来体现其复杂的生物神经特性2 1 ，并且小世界网络模型还 能够仿真神经元群的同步放电特性 1 3 , 1 4 】。 本论文基于小世界复杂网络理论和方法，结合海马c a 3 区神经元群的生理 背景和特点，建立了海马c a 3 区神经元群体放电的小世界神经网络模型。该模 型能够仿真海马c a 3 区神经元群体放电的时空序列，以此来研究在外界不同信 息( 刺激模式) 的作用下，海马c a 3 区小世界网络模型放电时空序列的特征模 式。对海马“功能神经元集群编码信息( 刺激模式) 的机制研究，提供神经 计算的支持。 1 2 海马神经元群电活动模型的研究现状 海马是学习记忆功能以及与神经系统某些重大疾病有关的关键脑区。由于 许多神经活动很难在实验中被直接观察，例如清醒动物在记忆各个过程中，在 记忆脑区或相关皮层上的神经元集群电活动不一定都能被观察和记录到，即使 天津医科大学博士学位论文 能记录到也不一定能体现某些关键的功能性编码【l 目。因此，建立海马神经元群 电活动模型并进行仿真是一种很有必要的研究手段。 国内外对神经电活动模型的研究。较成熟的是单个神经元放电的模型【1 6 , 1 7 1 】。 根据h e b b 的神经元集群编码理论。功能”神经元集群的电活动才能够编码信息 4 1 。因此，研究在神经网络层次上神经元群体表征刺激的放电模型是研究神经元 集群编码的重要组成部分。 目前国内外对海马神经元群电活动的网络模型研究主要方向如下： ( i ) 神经网络模型 圈l - 1 太鼠海马神经嗣络模型” 大脑各种不同神经元之间的连接是高度复杂的，传统的神经网络模型经常 是基于比较简单的连接模式和比较少的神经元类型来构建模型没有真正地反 映出神经系统复杂性。g i o r o o a 等人基于大鼠海马神经生理和解剖实验数据i l q ， 根据海马各个区的连接特性，在c + + 仿真平台上建立了一个大鼠海马神经网络 模型，如图1 - 1 所示。模型主要包括内嗅皮层( e c ) 、齿状回( d 0 ) 、c a 3 区、 c a i 区和s c 等模块。模型的主回路是e c 投射到d g 、c a 3 、c a l 、s g ，然后 天津医科大学博士学位论文 再返回投射到e c 。在图1 1 中实箭头代表兴奋性连接，虚箭头代表抑制性连接。 g i o r g i oa 等人对该海马神经网络模型进行了神经计算和仿真实验，来研究神经 元连接与神经网络活动性之间的关系。 ( 2 ) 海马c a 3 区生物神经网络模型 图1 2 海马c a 3 区生物神经网络模型【1 9 1 s t e v ek u n e c 等人根据海马c a 3 区神经元的生理特点建立了一个海马c a 3 区生物神经网络模型1 9 】。该网络模型接受来自s e p t u m 输入、内嗅皮层e c 直接 输入和内嗅皮层e c 间接输入( 通过齿状回d g ) 。该网络模型中的神经元分为兴 奋性神经元和抑制性神经元。图1 2 中p 神经元是锥形神经元，属于兴奋性神经 元，b 和o 神经元代表两类抑制性中间神经元，分别是篮状神经元和o l m 神 经元。该模型是由5 个锥形神经元( 兴奋性神经元) ，1 个o l m ( o r i e n s l a c u n o s u m m o l e c u l a r e ) 和1 个抑制性篮状神经元核团组成。锥形神经元由 t r a u b p i n s k y r i n z e l 模型表示，它们之间是全连接( a l l t oa 1 1 ) ，仿真c a 3 神经 元通过往返侧支互相连接。 ( 3 ) 海马c a 3 c a l 神经网络模型 天津医科大学博士学位论文 2 0 0 7 年m o t o h a r uy o s l l i d a 等人为了研究海马c a i 区的位置神经元( p l a c e c e i l s ) 放电的顺序敏感特性，建立了一个两层c a 3 - c a l 的海马神经网络模型刚， 如图1 - 3 所示。该模型是由海马c a 3 和c a i 神经网络组成。所有c a 3 区的锥 形神经元通过s c h a f f e r 侧支与c a i 区的锥形神经元兴奋性相连接。c a l 和c a 3 区的锥形神经元分别通过前穿质通路( p e r f o r a n t p a t h ) 和青苔纤维( m o s s y f i b e r ) 接受兴奋性突触输入。( b ) 和( c ) 分别为海马c a i 和c a 3 区的神经网络连接 图。在该神经网络模型中，c a i 和c a 3 区均由2 5 6 个锥形神经元( 兴奋性) 和 一个中间神经元( 抑制性) 构成。其中小三角代表锥形神经元小实心圆代表 抻制性中间神经元。锥形神经元排列成1 6 1 6 矩阵，每一个c a l 锥形神经元通 过兴奋性突触与其他锥形神经元相连。抑制性中间神经元位于网络中心，接受 所有兴奋性神经元的兴奋性作用，然后再对所有兴奋性神经元产生抑制作用。 c a lc a 3 图i - 3 海马c a 3 c a l 神经网络模型2 0 l 在该海马c a 3 - c a l 神经网络模型中 模型。其中锥形神经元( 兴奋性神经元) 单个神经元模型采用h o d 业i n h u x l e y 由下面的数学公式描述： 天津医科大学博士学位论文 f d i d t = g n a ， ，。，：ii n a 1 7i 十室c a i 二，lv c a 一? + ? , c a d - m r ；i i 州，l 佛一也一7 + 。k , d r ，l i 、k 一、r 7 十譬k i a l o h il k v + g k 。a h p 。( ，( r k r + g k i ( i l l l l l ( 1 z 2 5 1 1 ii k 1 7i 十。啦i 、，l v ) 十g ：t 1 fi n 汜i l + ，坩n d ：，：d t = “；i 一：一以：= d z d t = 一审l c a 一社t x ( 1 - 】) ( 1 2 ) ( 1 3 ) 其中，g 表示各个离子通道的最大电导，v 表示各个离子通道的平衡电位。 海马模型中中间神经元( 抑制性神经元) 模型的描述公式如下： c d d t = 2 n “，