论文部分内容阅读
癫痫是最常见的神经系统疾病之一，如何有效地对癫痫疾病进行诊断和治疗，是目前神经科学广泛关注的热点问题之一。目前使用的开环电刺激是一种有效的治疗手段，但缺乏灵活性和适应性；海马是多种癫痫的重要发病区域和治疗靶点。本文通过建立癫痫态的海马区神经元网络输出活动和深部脑电活动的数学模型，并构建闭环电刺激实现癫痫态放电模式的抑制。 首先，建立海马CA3区锥体神经元网络，模拟癫痫状态和正常状态的海马网络活动。利用有外源输入的非线性自回归（NARX）神经网络模拟CA3区神经元网络癫痫样的放电状态，建立了电刺激输入作用下的癫痫态海马网络模型，实现对海马癫痫态电活动的预测。 其次，本文采用神经集群模型模拟了癫痫不同状态的脑电活动，获得锥体神经元网络核团的输入输出数据，建立了不同状态癫痫电活动的动力学主模态（PDM）模型，并分析其动力学特征。通过分析不同类型癫痫电活动下PDM模型的关联非线性函数（ANF）的差异，得到了能够对癫痫的不同状态进行区分的重要ANF，实现了癫痫状态区分。 最后，基于所建立的NARX神经网络模型，采用预测控制方法对癫痫状态进行抑制。辨识得到的神经网络模型作为模型预测控制算法中的过程模型，用于预测过程输出；之后，预测控制算法设计控制信号并施加于锥体神经元网络上，实现网络水平上癫痫态放电活动的实时闭环控制，有效地抑制了癫痫发作活动。 本文的研究结果为癫痫的自动诊断及闭环电刺激治疗系统的设计奠定了理论基础，为今后的硬件实现以及临床实验提供了理论依据。