基于大鼠基底外侧杏仁核与海马神经元的Izhikevich模型改进及其潜在放电模式识别

引言——识别正常与异常条件下不同脑区后续的潜在放电模式，增进了我们对大脑神经交互层面事件的理解。Izhikevich模型是最简单的生物可信模型之一，即能够捕捉最广为人知的神经元放电模式。该特性使模型在模拟大规模神经元网络时高效。改进Izhikevich模型以高精度适应大鼠脑的神经元活动，将使模型对未来的神经网络实现有效。方法——通过雄性大鼠的胞外记录对海马（HIP）和基底外侧杏仁核（BLA）两个脑区进行数据采样，并利用Plexon离线分类器进行尖峰排序。进一步分析通过NeuroExplorer和MATLAB进行。为优化Izhikevich模型参数，使用了遗传算法。每次迭代中的比较过程导致更优种群的存活直至获得最优解。结果——本研究中，识别了HIP和BLA真实单个神经元的可能放电模式。此外，获得了改进的Izhikevich模型。据此，这些区域神经元的真实神经元尖峰放电模式与Izhikevich神经元尖峰放电模式的对应情况被高精度调整。结论——本研究旨在提升我们对大脑不同结构神经交互的认识，并加速未来大规模神经网络模拟的质量，以及降低建模复杂度。这一目标可通过所实施的改进Izhikevich模型，并仅插入可信放电模式及消除不真实模式而实现。