生物启发的尖端神经网络用于建模和优化自适应性治疗
Vivekanandan N1, Rajeswari K2, Yuvraj Kanna Nallu Vivekanandan3
1Department of Mechanical Engineering, Pimpri Chinchwad College of Engineering, Nigdi, Pune, Maharashtra 411044 India.
Cognitive neurodynamics
|November 27, 2025
概括
这项研究引入了一种用于的新型人工智能模型,模拟前庭功能障碍和恢复. 生物启发的尖端神经网络显示了个性化,自适应性AI驱动的前庭治疗的潜力.
科学领域:
- 计算神经科学是一种神经科学.
- 生物灵感的人工智能
- 神经静脉模型的建模
背景情况:
- 头是一种常见的神经静脉障碍,具有有限的个性化治疗.
- 目前治疗的方法往往缺乏精度和适应性.
- 了解前体系统功能障碍对于开发有效疗法至关重要.
研究的目的:
- 开发一种生物启发的尖端神经网络 (SNN) 模型,模拟前庭功能障碍和恢复.
- 模拟病态状态,如毛细胞低功率和突触干扰.
- 建立人工智能驱动的适应性前庭治疗的计算基础.
主要方法:
- 使用了具有尖峰时间依赖可塑性 (STDP) 的漏洞整合和火 (LIF) 神经元.
- 模仿前庭通路与生物可信的层 (毛细胞, afferents,小脑整合器).
- 纳入了基于强化的反机制,用于治疗模拟.
主要成果:
- 在适应过程中模拟了小脑尖峰活动的48-62%下降和38%恢复.
- 实时可行性证明,平均仿真运行时间为每时代4秒.
- 该模型是可扩展的,适合神经形态平台.
结论:
- 该SNN模型提供了一个计算框架,用于西门康复策略的in silico测试.
- 能够实时监测前庭功能障碍和个性化治疗的发展.
- 建立了适应性,可解释性和硬件兼容性AI驱动的前庭治疗的基础.
