位置偏好任务中海马位置细胞对目标位置的响应特性研究

来源 :郑州大学 | 被引量 : 0次 | 上传用户:seven16
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
空间位置的编码对于动物和人类的生存都具有重要作用。目前的研究表明海马(Hp)区在空间位置表征中起到了关键的作用,Hp区位置细胞及其位置野特性被认为是空间认知地图构建的基础。如果说位置细胞特定的发放场反映了动物在空间中的当前位置,那么作为空间导航的关键信息,目标位置是否也被Hp区位置细胞所表征还需要进一步研究。深入研究Hp区位置细胞对目标位置的响应特性,不仅对于解析空间导航神经机制具有重要意义,而且也为仿生学和机器人领域研究提供了理论支持。针对Hp区位置细胞对导向目标位置响应特性的研究,本文选取鸽子作为模式动物,结合位置偏好任务范式,采用植入式微电极阵列记录Hp区神经信号,并对位置细胞进行了识别和筛选。在此基础上,分别设计了目标标识变化实验和目标位置变化实验,分阶段研究目标标识变化、目标有无和目标位置变化环境中Hp区位置细胞对目标位置响应特性的差异。具体概括如下:(1)设计了以目标位置为驱动的位置偏好任务范式,并搭建了整合自动投食、鸽子运动轨迹实时记录、鸽子神经信号同步采集等功能的实验系统,不仅去除了奖励信息对目标位置响应特性的影响,而且减少了实验过程中人为活动的干扰;(2)基于锋电位(spike)信号的非平稳性和局部幅值跳变特性,创新性地将无监督的局部自适应投影特征选择算法和高斯混合模型聚类算法结合应用于spike分类(LAGM),并利用基于空间信息率和连通区域快速标记算法,高效可靠地筛选出位置细胞;(3)为了研究目标标识变化环境中鸽子Hp区位置细胞对目标位置的响应特性,本文设计了目标标识变化实验。研究结果表明,在有、无标识的情况下鸽子都能准确记住目标位置,并且其位置野在目标周围有明显的聚集。但是在无标识提示阶段,鸽子识别目标的准确度以及位置野在目标周围的聚集度均有所下降;(4)为了研究鸽子在目标有无和目标位置变化环境中Hp位置细胞的响应特性,本文设计了目标位置变化实验,分别分析了鸽子在三个阶段的行为数据和神经信号。结果表明,有目标环境更容易诱发位置细胞活动,而且其位置野聚集在目标位置周围。当目标位置变化时,Hp区位置细胞的位置野重新靠近新的目标位置。
其他文献
麦套棉是我国黄河流域棉花两熟生产的主要种植模式。种植密度和施氮量是影响棉花产量的重要因素。本研究旨在探究种植密度和施氮量对麦套棉生长、产量形成、纤维品质和资源利用的影响,为优化两熟种植栽培技术,提高资源利用效率提供理论依据。试验于2019-2020年在河南安阳进行,采用短季棉(鲁棉2387)和小麦(中育1211)“2-1式”套作模式。采取裂区设计,主区为2个种植密度(9万株hm-2(D1)、13.
学位
在临床实践中,人类染色体核型分析是遗传疾病诊断的重要手段。核型分析的主要目的是识别人类体细胞有丝分裂中期所有染色体的类型,并将染色体按一定规则进行摆放,从而得到核型图来供医生诊断是否存在遗传病。传统的染色体核型分析是人工手动处理的,要求操作人员具备丰富的领域知识,操作过程既费时又费力,分析效率较低。为解决上述问题,本文基于人类体细胞有丝分裂中期的显微图像,运用数字图像处理及深度学习分类等方法设计一
动物行为是动物表达心理和生理的肢体语言,也是动物自身综合机能的体现。小鼠是典型的模式动物,旷场中小鼠不同行为的分析广泛应用于衡量生物学、神经科学、药理学和遗传学等领域的实验效果。现有的小鼠行为分析方法存在费时、泛化能力差等问题。设计与实现小鼠旷场实验行为分析系统对减轻相关研究者的工作负担具有重要意义。本文对小鼠旷场实验中的行为模式进行了识别研究,设计并实现了小鼠行为分析系统。设计了基于卷积神经网络
脑科学研究常常需要对实验动物不同脑区的细胞数目、分子表达及神经元活动进行准确的检测、定位和量化分析,其实现前提是依据标准脑图谱确定脑切片图像上每个位点所属的脑区,即脑切片区域定位,然后根据脑区定位结果检测不同脑区域各自的神经元数量,从而分析反映实验动物在特定训练过程中的神经元动态活动。由于动物个体大小不一且脑切片图像在制备成像过程中会人为引入扭曲和变形等原因,标准脑图谱图像不能直接与动物脑切片图像
传统街区具有重要的历史文化价值,在发展中常常存在整体环境较差、产业发展不均衡、内部经济活力衰退等问题。如何在合理保护传统街区的同时,激发街区活力是传统街区保护更新中亟需解决的关键问题。传统街区产业结构优化及其功能拓展是提升街区活力、促进其物质空间环境改良的重要因素,也将有利于传统街区的价值阐释与活化利用,实现传统街区的可持续发展。本文以光山县正大街传统街区为例,通过对正大街的物质空间环境的现状分析
由于社交网络的快速发展,推荐系统在解决信息过载问题上展现了强大的能力。传统的协同过滤算法在推荐过程中主要使用用户的历史行为数据,但容易面临数据稀疏和推荐不准确的问题。因此,研究者们开始试图在推荐算法中融入用户的社交关系以缓解传统协同过滤算法面临的数据稀疏问题。并且,大多研究仅仅发现用户兴趣会随着时间流逝发生变化,但没有考虑到时间对用户兴趣的影响规律。针对这些问题,本文基于用户的社交关系和兴趣随时间
随着人工智能技术的广泛应用,作为其重要分支的群体智能算法得到了深入的研究和快速的发展。在众多的群体智能算法中,差分进化(Differential evolution,DE)算法依靠其独特且丰富的变异策略成功应用于各类优化问题,因此逐渐变为热门的研究算法。但目前的变异策略研究局限于单目标优化和简单多目标优化中,对复杂的多目标优化问题有待深入研究。本文以多目标差分进化变异策略为研究对象,面向复杂的多模
学位
学位