神經(jīng)系統(tǒng)建模與控制工程

目錄
前言
第1章緒論1
1.1神經(jīng)疾病與網(wǎng)絡(luò)同步1
1.1.1癲癇樣放電與海馬網(wǎng)絡(luò)同步1
1.1.2帕金森病狀態(tài)與基底核網(wǎng)絡(luò)同步5
1.2中樞神經(jīng)系統(tǒng)場效應(yīng)8
1.2.1場效應(yīng)與神經(jīng)電活動的交互8
1.2.2閾上場效應(yīng)10
1.2.3閾下場效應(yīng)11
1.3電刺激術(shù)12
1.3.1深部腦刺激12
1.3.2經(jīng)顱電刺激14
1.4閉環(huán)電生理16
1.4.1電壓鉗位技術(shù)17
1.4.2動態(tài)鉗位技術(shù)18
1.4.3閉環(huán)電刺激術(shù)18
1.5基于參數(shù)估計的神經(jīng)控制19
1.5.1基于混沌同步的參數(shù)估計20
1.5.2基于統(tǒng)計估計理論的參數(shù)估計21
1.6章節(jié)概況23
第2章神經(jīng)系統(tǒng)建模24
2.1電纜理論24
2.1.1電纜方程25
2.1.2線性電纜方程29
2.2多間室神經(jīng)元模型31
2.2.1多間室一般數(shù)學(xué)描述32
2.2.2HH類跨膜離子電流35
2.2.3丘腦皮層中繼神經(jīng)元模型37
2.3兩間室神經(jīng)元模型42
2.3.1兩間室模型的一般描述42
2.3.2Pinsky-Rinzel模型46
2.3.3兩間室最小ML場效應(yīng)模型49
2.4單間室神經(jīng)元模型51
2.4.1HH模型51
2.4.2ML模型52
2.5基底核網(wǎng)絡(luò)模型55
2.5.1基底核回路結(jié)構(gòu)55
2.5.2Rubin-Terman模型57
2.6集總參數(shù)神經(jīng)Mass模型62
2.6.1單個神經(jīng)集群Mass模型63
2.6.2多個耦合神經(jīng)集群Mass模型64
2.7小結(jié)66
第3章神經(jīng)系統(tǒng)場效應(yīng)機(jī)制分析67
3.1細(xì)胞外電場作用下神經(jīng)元的閾下響應(yīng)特性67
3.1.1兩間室PR場效應(yīng)模型67
3.1.2細(xì)胞外電場E與電勢差V之間的關(guān)系69
3.1.3胞體的閾下響應(yīng)特性分析70
3.1.4胞體與樹突閾下響應(yīng)特性差異74
3.2外電場作用下神經(jīng)元放電起始動力學(xué)77
3.2.1兩間室ML場效應(yīng)模型的放電特性77
3.2.2面積比率p對細(xì)胞外場效應(yīng)的影響78
3.2.3耦合電導(dǎo)gc對細(xì)胞外場效應(yīng)的影響81
3.2.4細(xì)胞外電場效應(yīng)的生物物理機(jī)制85
3.2.5閾下電場調(diào)制放電率和放電時刻86
3.3小結(jié)88
第4章單神經(jīng)元參數(shù)估計與閉環(huán)控制89
4.1基于混沌同步的參數(shù)估計方法89
4.1.1估計理論89
4.1.2仿真結(jié)果91
4.1.3討論95
4.2基于無香卡爾曼濾波器的參數(shù)估計95
4.2.1經(jīng)典卡爾曼濾波器95
4.2.2擴(kuò)展卡爾曼濾波器96
4.2.3無香卡爾曼濾波器97
4.2.4UKF參數(shù)估計99
4.2.5混沌同步與UKF聯(lián)合估計101
4.3基于Wash-out濾波器的神經(jīng)元興奮性控制106
4.3.1放電起始動力學(xué)分析107
4.3.2基于Wash-out濾波器的神經(jīng)元分岔控制111
4.3.3興奮性控制仿真結(jié)果與機(jī)制分析114
4.4基于Wash-out濾波器的神經(jīng)元起始放電控制119
4.4.1HH神經(jīng)元模型的起始放電控制119
4.4.2ML神經(jīng)元模型的分岔控制122
4.5基于UKF-狀態(tài)反饋控制的髓鞘缺失癥神經(jīng)元閉環(huán)控制126
4.5.1髓鞘缺失癥神經(jīng)元放電特性126
4.5.2UKF-狀態(tài)反饋跟蹤控制器設(shè)計128
4.5.3仿真結(jié)果分析131
4.5.4不同控制算法的效果比較135
4.6單神經(jīng)元放電的迭代學(xué)習(xí)控制136
4.6.1迭代學(xué)習(xí)控制算法137
4.6.2放電波形控制仿真結(jié)果138
4.6.3放電峰峰間歇的控制142
4.7小結(jié)145
第5章癲癇樣放電的閉環(huán)控制147
5.1癲癇樣放電的動力學(xué)分析147
5.1.1單神經(jīng)元PR模型動力學(xué)147
5.1.2神經(jīng)集群Mass模型動力學(xué)153
5.2神經(jīng)元癲癇樣放電的閉環(huán)控制156
5.2.1基于關(guān)鍵參數(shù)估計的閉環(huán)迭代學(xué)習(xí)控制157
5.2.2癲癇樣放電的閉環(huán)混合控制162
5.2.3耦合神經(jīng)元的閉環(huán)迭代學(xué)習(xí)控制165
5.3癲癇狀態(tài)多模式閉環(huán)控制方案設(shè)計168
5.3.1腦電信號C0復(fù)雜度分析169
5.3.2BP神經(jīng)網(wǎng)絡(luò)與癲癇模式分類170
5.3.3閉環(huán)迭代學(xué)習(xí)控制策略171
5.4小結(jié)175
第6章帕金森病狀態(tài)的閉環(huán)控制177
6.1基底核網(wǎng)絡(luò)的放電模式177
6.1.1正常狀態(tài)下基底核網(wǎng)絡(luò)的放電節(jié)律177
6.1.2帕金森病狀態(tài)下基底核網(wǎng)絡(luò)的放電節(jié)律179
6.2開環(huán)DBS的波形優(yōu)化180
6.2.1基于粒子群算法的刺激波形優(yōu)化181
6.2.2基于PWM的刺激波形優(yōu)化185
6.3TC中繼神經(jīng)元的帕金森病狀態(tài)閉環(huán)控制192
6.3.1TC中繼單室神經(jīng)元的滑模控制192
6.3.2TC中繼單室神經(jīng)元的慢變量反饋PI控制201
6.3.3TC中繼單室神經(jīng)元的PI迭代學(xué)習(xí)控制204
6.3.4TC中繼多間室神經(jīng)元的閉環(huán)控制207
6.4小結(jié)213
縮寫表215
參考文獻(xiàn)217
彩圖