论文部分内容阅读
癫痫是大脑神经元突发性异常放电导致短暂的大脑功能障碍的一种慢性神经系统疾病,针对药物无法控制的难治性癫痫,电刺激正逐渐成为其有效的治疗手段之一,如深度脑刺激（DBS）、经颅直流电刺激（tDCS）等。目前临床使用的开环电刺激方法并不具有普遍适用性,为解决这个问题,通过闭环电刺激来治疗癫痫等精神疾病已成为目前研究的热点。由于癫痫疾病的致病机理尚不清楚加之电生理实验方面的各种限制,神经计算模型分析已成为研究神经系统动力学特性和生理现象的有效方法之一。因此,基于单神经元和神经元集群模型,本文提出了闭环迭代学习控制（ILC）策略与闭环混合控制策略,以实现癫痫态放电的闭环控制。本论文的研究内容主要包括以下三个方面:首先,本文基于海马CA3区Pinsky-Rinzel（PR）模型和大脑皮层神经元集群模型（NMM）,分析其动力学特性,考虑单神经元关键参数—钾离子通道反电势VK、胞体与树突之间的耦合电导cg、化学耦合强度gNMDA、gAMPA对神经元放电模式的影响;神经元集群参数—兴奋性平均突触增益A、耦合强度Kij对神经元集群放电的影响,探索癫痫发病机制。其次,基于关键参数对单神经元放电模式的影响,利用迭代学习控制、延时反馈与PI控制相结合的混合控制分别实现了单神经元癫痫样放电的闭环控制;采用无迹卡尔曼滤波器（UKF）对关键参数进行估计,进而形成反馈信号。通过对关键参数的跟踪反馈调节实现PR神经元放电模式的转换;基于化学耦合强度的影响,利用迭代学习控制实现不同耦合强度的神经元间放电去同步控制。最后,基于多耦合神经元集总参数模型提出多模式闭环深度脑刺激系统。依据兴奋性平均突触增益与耦合强度的影响,产生癫痫态与正常态下的局部场电位（LFP）波形;根据对C0复杂度、信号频带能量比的分析,提取局部场电位的特征;采用BP神经网络对局部场电位信号进行分类并实现刺激强度的选择;针对不同的放电模式利用迭代学习控制器输出控制信号;通过对刺激电流幅值和周期的调制输出精准的深度脑刺激电流,实现癫痫状态的闭环控制,阻止癫痫样放电的进一步传播。以上的研究结果均证明本文提出的闭环控制策略在控制癫痫发作状态上的有效性,为单神经元及神经元集群闭环电生理实验,以及癫痫电刺激治疗器的研究提供了理论依据。