سمینار درس کنترل سیستمهای عصبی-عضالنی
استاد درس: دکتر توحیدخواهتهیه کننده: حدیثه نوعپرست
1387 دی ماه
فهرست مطالب
تعریفCPG
تولید برای متفاوت نوروبیولوژیکی نظریه دوتناوبی حرکات
محاسباتی CPGمدل
از زيستي CPGمدلي هاي سيستم در
CPGتعریف
ره داران وAه هم در مهAتند کAوروني هسAدارهای نAم بAدون تواننAد مي و انAد شAده ديAده تنAان نAرم در هم
وروديهاي تناوبي، الگوهاي تناوبي توليد کنند.
،دنAد جويAه ماننAاوبي پايAات تنAل حرکAدارها، عامAاین م بنAاي مAدارهای تنفس، هضAم هسAتند و همچAنين سAنگ پAرواز کAردن، شAنا رفتن، راه ماننAد حرکAتي عصAبي
کردن، خزیدن و .... میباشند.
تولید برای متفاوت نوروبیولوژیکی نظریه دوتناوبی حرکات
:نظريه شرينگتون حرکAات تنAاوبي نتيجAه زنجAيره اي از واکنشAها
)رفلکس( ميباشد.
نظريه براون: حرکAات تنAاوبي بصAورت مرکAزي توليAد مي شAوند ورودي بAه کAه هAاي عصAبي توسAط شAبکه يعAني جAAانبي)نورونهAAاي عصAAبي سيسAAتم از هAAايي نيAازي تنAاوبي رفتارهAاي توليAAد حسAي(،بAAراي
ندارند.
(half-centerمدل نيمه مرکز)
االتAاتص توسAط نورونهAا از دسAته دو مAدل، این در مهAاري بصAورت دوطرفAه بAا يکAديگر مرتبAط شAده انAد و
فعاليتهاي ريتميک را توليد مي کنند.
،اهيAمارم روي شAده انجAام آزمايشAات بAه توجAه با سAمندر، جAنين قورباغAه و ديگAر حيوانAات، امAروزه داليAل روشAني وجAود دارد کAه اثبAات مي کنAد ريتمهAا در سيسAتم مرکAزي و بAدون نيAاز بAه اطالعAات سنسAوري توليAد مي
شوند.
CPGفعال سازی
بطAور قابAل تAوجهي، سAيگنالهاي سAاده بAراي فعالسAازي •CPG کAتحري داران، مهAره از بسAياري در کافيسAت.
ناحيAه حرکAتي از سAاقه مغAز کAه الکAتريکي در بخشAي ناميAده ميشAود، مسAبب رفتارهAاي MLRمسنسAفاليک) )
حرکتي ميشود. حرکAAات • بAAه منجAAر پAAايين، سAAطح تحريکAAات
آهسAته)فرکAانس کم( و تحريکAات سAطح بAاال، منجAر بAه حرکAات سAريعتر)فرکAانس بيشAتر( مي شAود. در نتيجAه توانAد سAرعت تحريAک مي دامنAه- و فرکAانس سAطح-
حرکت را مدوله کند.
CPGمدل محاسباتی
مدل ماتسوکو•شAبکه يAک مAدل معAروف رياضAي از اين مولAدها، مAدل
اسAت کAه در این مAدل جنبAه هAاي هAاي مهAاري دوسAويهقAرار بررسAی مAورد فرکAانس و الگAو کنAترل مختلAف
گرفته است.
اين مAدل نAيز شAامل شAبکه اي از نورونهAا اسAت کAه دلیAل همین بAه و کننAد مي مهAار را يکAديگر فعAاليت شAبکه مهAاري دوسAويه ناميAده مي شAود. ماتسAوکو در شAونده مهAار نورونهAاي شAدن آتش نAرخ مAدل اين معAادالت توسAط را، نAورونی اسAيالتور در دوسAويه
ديفرانسيل مدل کرده است.
مدل ماتسوکو
پتانسيل غشاخروجي
ورودي تونيک
متغير تطبيق در نورون
ثابت زماني صعود
ثابت زماني تطبيق
وزنهای اتصاالت سيناپسي مهاري
فيدبکي محيطی
پارامترهای مدل
پتانسيل غشاخروجي
ورودي تونيک
متغير تطبيق در نورون
ثابت زماني صعود
ثابت زماني تطبيق
وزنهای اتصاالت سيناپسي مهاري
فيدبکي محيطی
روابط حاکم بر مدل
شبکه اسيالتور دو نوروني
دونAورون • از شAبکه حAالت تAرين درسAاده نورونهAا بصAورت اين تشAکيل شAده اسAت. توليAد بAراي و متصAلند هم بAه معکAوس را يکAديگر بAترتيب خAروجي، در نوسAان نماينAد. چAنين فعAاليتي مهAار و تحريAک مي بAراي مهAار دوسAويه و تنAاوبي ماهيچAه هAاي جمAع شAونده و بAاز شAونده در يAک مفصAل در
هنگام راه رفتن، وجود دارد. پايAه • مAدلي بAه عنAوان توانAد اين مAدل مي
براي ريتمهاي ساده درنظر گرفته شود.
شبکه اسيالتور چهار نوروني تمام-متصل
از زيستي CPGمدلي هاي سيستم در
RCPGRespiratory central pattern generator
RCPGمدلسازي مکانيزمهاي عصبي کنترل تنفسي
از قديمي ترين موضوعات نوروساينس
مسئله هنوز هم غير قابل حل بنظر مي رسد
آيا ريتمهاي تنفسي از يک شبکه ناشي مي شود يا از مثال: نورونهاي ضربان ساز ذاتي؟
براي تفسير دادگان آزمايشگاهي به مدل مناسبي براي RCPGتفسير هرگونه داده آزمايشگاهي براي فعاليت نورونهاي تنفسي به مکانيزم نوروني نيازمنديمCPGهاي تنفسي بستگي دارد
RCPGمدلی برای
مي نAوروندسAتهمهAار دوسAويه دو اين مAدل بAر مبنAاي •باشد
نتيجAه • در سAلولنورونهAا داخAل بAه کلسAيم و ورود ، فعAالیت فعAاليت کانالهAاي پتاسAيمي وابسAته بAه کلسAیم
می کنند.
شامل:RCPG مدل هر نورون در مدل
مکانيزم جمع وروديهاي پيش سيناپسي
نوع نيروي الکتروموتوری 3
نيروي مهاري
نيروي تحريکي
نيروي نشتی
يک نورون زماني که به پتانسيل غشاء آن به حد آستانه در اين لحظAه هAدايت پتاسAيم کAه وابسAته بAه تحريAک اسAت، افAزايش يافتAه و ميرسد، تحريک ميشود
در همAان لحظAه غلظت کلسAيم داخAل سAلول نAيز افAزايش مي يابAد. سAپس ميلي ثانيAه و غلظت کلسAيم 10هAدايت پتاسAيم بAا ثAابت زمAاني کوچAک حAدود
حAدود بAزرگ زمAاني ثAابت غلظت 500بAا يابنAد. کAاهش مي ثانيAه ميلي کلسAيم بالفاصAله هAدايت کانالهAاي پتاسAيمي وابسAته بAه کلسAيم را تحت تAاثير
قرار مي دهد.
بAراي زمAان از لحظAه هAر در و اسAت متغAير فيبرهAا وضAعیت تحريAک شAدن يAا تحريAک نشAدن تنظيم مي شAوند. تحريAک توسAط رنAدوم انتخAاب يAک کAه گAيرد رنAدوم صAورت مي مکAانيزم يAک مسAتقل بAراي هAر فيAبر در هAر لحظAه از زمAان بAا احتمAال تحريAک را اسAت، متفAاوت فيبرهAا بAراي گروههAاي مختلAف کAه شAدني
اتصAاالت بين نورونهAا توسAط يAک مAاتريس اتصAاالت برقAرار مي فراهم مي کند.المانهAاي اين مAاتريس فقAط يکبAار، هنگAامي کAه شAبکه شAود.
مقداردهي اوليه مي شود بصورت رندوم انتخات مي شوند.الگAوريتم عملکAرد شAبکه بسAيار سAاده مي باشAد، بAدين صAورت اتصAاالت بAردار نAورون، هAر ي بAرا و زمAاني گAام هAر در کAه سAپس و شAود مي ضAرب نورونهAا حAالت بAردار در ورودي مAدل اين در جديAد مي شAود. مقAداردهي آن غشAاء پتانسAيل بAا زمAان تغييرپAذير بAراي متغيرهAاي نمAايي انتگرالگAيري روش
ميلي ثانيه است.1استفاده مي شود و هر گام زماني
مAدل دو RCPGهسAته اين اسAت. نAورون دسAته دو شAامل دسAته نAورون بصAورت دوسAويه اثAر مهAاري روي يکAديگر دارنAد. گAروه معين هAر در نورونهAا داخلي ارتباطAات مAدل، اين در
دو نمي باشد. آن از مهAاري وروديهAاي مAدل، در مانAده بAاقي نورونهAاي دسAته نAورون هسAته اي دريAافت مي کننAد و نورونهAاي گAروهی
تحريکهاي تونيک از فيبرهاي ورودي دريافت مي کنند.
جدول پارامترهای هر نورون
جدول پارامترهای اتصاالت بین نورونها
الگوهاي فعاليت سيستم
ايمپالسها با نقطه نمايش داده شده اندهر خط افقي فعاليت يک نورون را نشان ميدهد
و اسAت نوسAاني شAبکه کAه اسAت واضAح کAامال شAکل اين در نورونهAا در پريودهAاي کوتAاه و بلنAد، بصAورت تنAاوبي نوسAان مي
پريAود بلنAد بيAانگر وضAعيت و پريAود کوتAاه بيAانگر وضAعيت دم کننAد. مي باشد.بازدم
مراجع•Kiyotoshi Matsuoka/Mechanisms of Frequency and Pattern Control in the Neural Rhythm Generators/ Biol. Cybern. 56, 345053 (1987)
•Guang Lei Liu, Maki K. Habib, KeigoWatanabe, and Kiyotaka Izumi/ The Design of Central Pattern Generators Based on the Matsuoka Oscillator to Generate Rhythmic Human-Like Movement for Biped Robots/Journal of Advanced Computational Intelligence and Intelligent Informatics/ Vol.11 No.8, 2007
•Witali L. Dunin-Barkowski, Andrew T. Lovering,John M. Orem/ A neural ensemble model of the respiratory central pattern generator: properties of the minimal model/Elsevier/Neurocomputing 44–46 (2002) 381 – 389
با تشکر
از توجه شما