帕金森状态下β振荡的产生与抑制的“推-拉”机制研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:lhyhh123
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
帕金森疾病(Parkinson’s Disease,PD)是由基底核网络中多巴胺的缺失导致的,会产生基底核网络异常的β振荡现象。多巴胺的缺失首先影响了纹状体的输出,继而影响了整个基底核网络的正常的生理功能。纹状体包括快速放电中间神经元(Fast Spiking Interneuron,FSI)和中间棘突神经元(Medium Spiny Neuron,MSN)两种神经元。深度脑刺激是目前治疗PD的有效手段之一,常见的刺激靶点有底丘脑核、苍白球和丘脑腹侧中间核。临床的深度脑刺激一般采用开环的高频脉冲序列来治疗PD,能耗高且会引起高频放电的副作用。合适的外部噪声可以改善PD状态下大脑的功能。因此本文构建了正常与PD状态的纹状体-外侧苍白球(Globus Pallidus externa,GPe)神经核团的计算模型,研究深度脑刺激施加在纹状体上调制PD状态的效果;基于该模型施加噪声刺激,探索最优的刺激参数和刺激靶点,以寻找既能减小高频放电的副作用又能有效调制PD状态的刺激手段。本文构建了纹状体-GPe神经网络数学模型,将该网络从正常状态“推”向PD状态,分析正常与PD状态的特征,在研究过程中发现了PD状态下GPe神经元具有β振荡增强的现象。并且通过模拟各个核团的突触阻断,得到了GPe的β振荡的起源可能来自于FSI的抑制性输出的潜在致病机制。在纹状体上施加临床高频深度脑刺激,发现深度脑刺激的施加可以有效抑制GPe的异常β振荡活动,把GPe核团从PD状态“拉”回到正常状态。而且不同频率、幅值和脉宽的深度脑刺激施加在纹状体上会对GPe核团β振荡活动的抑制产生不同的效果,高频、高幅和大脉宽的深度脑刺激施加在纹状体上抑制GPe核团上的β振荡的效果比较好。考虑到深度脑刺激可能引起高频放电的副作用,采用噪声刺激作为刺激方法代替深度脑刺激来调制PD状态。发现当低频低幅的噪声刺激施加在FSI上时,噪声刺激既可以有效抑制GPe的β振荡活动,把模型“拉”回到正常状态,使GPe放电恢复正常,且刺激能耗低于传统临床的深度脑刺激。本文提出的新的刺激靶点和刺激方法对未来PD状态的临床调制提供了新思路。
其他文献
随着饮食水平的提高,各类肠道疾病的发病率也不断增加,结肠息肉和憩室是结肠镜检查中常见的疾病,严重时会引发肿瘤甚至癌变。目标检测在图像识别和分类任务中占有着重要的地位,是计算机视觉领域中一项非常重要的研究课题,近几年在医学领域的应用也越来越深入。本文提出了一种基于深度学习的计算机辅助诊断系统(Computer Aided Diagnosis,CAD)用于结肠息肉、憩室等常见病变检测,以降低患有结直肠
二氧化氮是一种有毒气体,其主要来自于汽车尾气排放、重工业等。大量二氧化氮存在于空气中,在污染大气的同时导致酸雨、光化学烟雾等环境污染现象。近年来,作为重要大气污染源的二氧化氮的准确可靠检测日益引起人们的重视,从而产生了对高性能气敏传感器的迫切需求。发展高性能气敏传感器,必须提升气敏传感器的各项性能参数,包括灵敏度、选择性、稳定性、工作温度、响应/恢复时间等。本论文针对气体传感器目前的研究与发展趋势
近年来,随着深度学习和人工智能的不断发展,人脸检测和人脸识别已经被广泛应用于医疗应用、人机交互系统、机场检查等领域。目前,如何提升人脸检测和人脸识别的精度是近年来关注的热点。本论文针对提升人脸检测和人脸识别的精度,主要内容包括:1、实现了MTCNN人脸检测模型,并对MTCNN模型进行了改进。将深度可分离卷积引入MTCNN网络,将其替代传统卷积,减少卷积运算量;调整三个卷积神经网络结构的感受野,使得
人脸补全是计算机视觉和图像处理领域中的一个重要话题。它的核心任务在于还原图像信息,使生成的补全结果与真值结果尽可能保持一致。由于现有的人脸补全方法没有对补全结果与真值结果的一致性进行强有力的约束,且忽视了人脸图像的对称性特征,从而导致无法对人脸的任意部位,尤其是对称部位,生成真实自然且与真值结果一致的补全结果。除此之外,高分辨率人脸图像已经成为主体,但是现有方法大多都无法适用于高分辨率人脸图像补全
近年来中国道路交通发展迅速,交通状况愈发复杂,基于目标检测的自动驾驶技术逐渐成为研究的重点。交通标志检测作为自动驾驶领域最重要的组成部分之一,受到了社会各界的广泛关注,其中基于卷积神经网络的目标检测算法被认为是解决交通标志检测问题最有效的办法之一。交通标志对检测精度及检测速度方面均有较高的要求,以Tiny-YOLOv3为代表的轻型网络虽然满足对检测速度的要求但检测精度普遍较低;以YOLOv3为代表
气液固三相流广泛存在于自然界和工业生产过程中,对其各相分布测量具有重要意义。当前传统的流体检测方法难以针对气液固三相流的各相分布进行无损、非侵入式的在线检测。电学层析成像技术(Electrical Tomography,ET)是一种非侵入式、结构简单、成本低廉、无核素辐射的新型无损检测方法,在多相流检测领域具有广阔的应用前景。单模态的电学层析成像方法多是针对两相流的分相识别检测,当流体多于两相时,
紫外(UV)探测技术几乎不受环境背景噪声影响,在生物分析、发射器校准、空间探测等方面得到了广泛应用,而紫外光电传感器是其核心。当今,紫外光电传感器多基于单原子硅、Ⅲ族氮化物和金属氧化物材料。硅和Ⅲ族氮化物成本高、制备工艺复杂,发展受到限制。宽带隙金属氧化物半导体材料,如ZnO、SnO2等二元氧化物和Zn Ga2O4、ZnSnO3等三元氧化物,对紫外光也具有良好的UV光敏性能;且其物化性质稳定、制备
电主轴是在数控机床领域出现的将机床主轴与主轴电机融为一体的新技术,电主轴与直线电机技术、高速刀具技术一起,将高速加工推向一个新时代。作为数控机床的核心部件,电主轴的热误差的抑制对减小机床整机热误差,提高加工精度具有十分重要的意义。本文以某精密卧式加工中心电主轴为研究对象,从生散热建模、生散热功率匹配等问题进行研究,进行热主动控制实验及考虑主轴实际负载的热特性实验方面进行研究。本文分析了电主轴单元的
今年的高考结束后,每个省的成绩陆续公布,有记者采访了一些优秀学子,发现了一个现象,这些优秀学子们的家庭教育方式都有相似的地方。自高考结束以来,最火热的"学霸网红"莫过于被清华大学录取的武亦姝了,关于她的报道,点击率非常高。
期刊
超分辨率技术能够在硬件设备性能受限情况下,利用算法提高图像分辨率,恢复图像细节,获取高质量的图像。基于卷积神经网络的深度学习方法能有效提取图像内部特征,学习低分辨率图像与高分辨率图像之间的映射关系,较好地实现超分辨率重建。本文基于卷积神经网络,针对现阶段超分辨网络的效率问题进行了一系列研究,主要工作如下:针对目前基于深度学习的超分辨网络模型较深,参数量、运算量较大,无法适应于实际场景等问题。本文在