在SA-I异性神经元中建模长期尖峰频率适应,使用基于伊希克维奇的生物神经元模型
Jaehun Kim1, Young In Choi2, Jeong-Woo Sohn3
1Department of Biomedical Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Korea.
Experimental neurobiology
|July 5, 2023
概括
研究人员开发了一种新的生物神经元模型 (BNM),用于人工触觉感应. 这种新型号精确地模仿缓慢适应的I型 (SA-I) 神经元,使得持续机械触摸的增强检测成为可能.
科学领域:
- 神经科学是一个神经科学.
- 生物模拟学是一种生物模拟学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 人工触觉传感系统需要精确的模型的生物 afferent神经元.
- 缓慢适应的I型 (SA-I) afferent神经元对于检测持续的机械刺激至关重要.
- 现有的模型往往无法捕捉SA-I神经元的长期适应特征.
研究的目的:
- 开发一种新的生物神经元模型 (BNM),用于模拟缓慢适应的I型 (SA-I) 附带神经元.
- 为了使生物仿真的人工触觉传感系统能够检测持续的机械触摸.
- 为了提高人工触觉传感技术的性能.
主要方法:
- 修改了Izhikevich模型,以纳入长期尖峰频率适应,创建了拟议的BNM.
- 优化了BNM参数,使用老鼠SA-I afferent神经元在持续压力 (0.1mN到300mN) 下的ex-vivo发射数据.
- 用优化的BNM生成尖峰列车,并使用尖峰距离指标将其与生物数据进行比较.
主要成果:
- 拟议的BNM成功地产生了具有长期适应性的尖峰列车,这是传统模型中缺乏的特性.
- 确定了最佳参数,使BNM能够准确地表示SA-I afferent神经元发射模式.
- 该模型在模仿生物SA-I神经元对持续机械刺激的反应方面取得了显著的改进.
结论:
- 新的BNM提供了一种强大的方法来模拟具有长期适应性的SA-I afferent神经元.
- 这种模型代表了人工触觉感应的重大进步,使得持续触摸的感知成为可能.
- 开发的BNM可以增强机器人和假肢触觉系统的功能.
