对于神经系统刺激的生物物理模型的有限元模型建模:多尺度适应性网格的最佳实践
概括
神经系统的有限元模型 (FEM) 需要仔细的网格. 更细的网格可以提高预测动力潜力的准确性,并减少计算生物物理模型中的错误.
科学领域:
- 计算神经科学是一种神经科学.
- 生物物理学的生物物理.
- 有限元素方法的方法.
背景情况:
- 有限元模型 (FEM) 对于模拟神经系统对刺激的反应至关重要.
- 可复制和透明的生物物理模型对于推进神经科学研究至关重要.
- 在生物物理建模中使用FEM的最佳实践尚未得到充分确立.
研究的目的:
- 介绍外周和中枢神经系统的FEM的方法.
- 评估网格大小和材料转换对模型准确性的影响.
- 为透明和可重复的FEM实验提供指导.
主要方法:
- 在FEM中对不同网状网状尺寸的评估差异化错误.
- 分析了材料转换对模型准确性的影响.
- 利用霍奇金-哈克斯利 (H-H) 轴突模型来预测动力潜力.
主要成果:
- 比较粗的网格增加了激活值 (57.5 mA) 与较细的网格 (55 mA) 相比.
- 差的空间分辨率产生了双衍生噪声,但不是错误的动作潜力的预测.
- 多尺度网格将材料接口上的不连续性降到最低.
结论:
- 建议在计算限制内进行最精细的空间分类,可能使用自适应性网格.
- 将细胞外场与H-H轴突结合起来,可以进一步减少错误来源.
- 这项工作支持开发用于神经刺激的准确和可重复的FEM.


