بخشی از پاورپوینت
اسلاید 1 :
سمینار درس کنترل سیستمهای عصبی-عضلانی
اسلاید 2 :
فهرست مطالب
تعریف CPG
دو نظریه نوروبیولوژیکی متفاوت برای تولید حرکات تناوبی
مدل محاسباتی CPG
مدلي از CPG در سيستم هاي زيستي
اسلاید 3 :
تعریف CPG
مدارهای نوروني هستند که هم در مهره داران و هم در نرم تنان ديده شده اند و مي توانند بدون وروديهاي تناوبي، الگوهاي تناوبي توليد کنند.
این مدارها، عامل حرکات تناوبي پايه مانند جويدن، تنفس، هضم هستند و همچنين سنگ بناي مدارهای عصبي حرکتي مانند راه رفتن، شنا کردن، پرواز کردن، خزیدن و .. میباشند.
اسلاید 4 :
دو نظریه نوروبیولوژیکی متفاوت برای تولید حرکات تناوبی
نظريه شرينگتون:
حرکات تناوبي نتيجه زنجيره اي از واکنشها (رفلکس) ميباشد.
نظريه براون:
حرکات تناوبي بصورت مرکزي توليد مي شوند يعني توسط شبکه هاي عصبي که به ورودي هايي از سيستم عصبي جانبي(نورونهاي حسي)،براي توليد رفتارهاي تناوبي نيازي ندارند.
اسلاید 5 :
مدل نيمه مرکز(half-center)
در این مدل، دو دسته از نورونها توسط اتصالات مهاري بصورت دوطرفه با يکديگر مرتبط شده اند و فعاليتهاي ريتميک را توليد مي کنند.
با توجه به آزمايشات انجام شده روي مارماهي، سمندر، جنين قورباغه و ديگر حيوانات، امروزه دلايل روشني وجود دارد که اثبات مي کند ريتمها در سيستم مرکزي و بدون نياز به اطلاعات سنسوري توليد مي شوند.
اسلاید 6 :
فعال سازی CPG
بطور قابل توجهي، سيگنالهاي ساده براي فعالسازي CPG کافيست. در بسياري از مهره داران، تحريک الکتريکي در بخشي از ساقه مغز که ناحيه حرکتي مسنسفاليک(MLR) ناميده ميشود، مسبب رفتارهاي حرکتي ميشود.
تحريکات سطح پايين، منجر به حرکات آهسته(فرکانس کم) و تحريکات سطح بالا، منجر به حرکات سريعتر(فرکانس بيشتر) مي شود. در نتيجه سطح- فرکانس و دامنه- تحريک مي تواند سرعت حرکت را مدوله کند.
اسلاید 7 :
مدل محاسباتی CPG
مدل ماتسوکو
يک مدل معروف رياضي از اين مولدها، مدل شبکه هاي مهاري دوسويه است که در این مدل جنبه هاي مختلف کنترل الگو و فرکانس مورد بررسی قرار گرفته است.
اين مدل نيز شامل شبکه اي از نورونها است که فعاليت يکديگر را مهار مي کنند و به همین دلیل شبکه مهاري دوسويه ناميده مي شود. ماتسوکو در اين مدل نرخ آتش شدن نورونهاي مهار شونده دوسويه در اسيلاتور نورونی را، توسط معادلات ديفرانسيل مدل کرده است.
اسلاید 8 :
مدل ماتسوکو
اسلاید 9 :
خروجي
پتانسيل غشا
ورودي تونيک
متغير تطبيق در نورون
ثابت زماني صعود
ثابت زماني تطبيق
وزنهای اتصالات سيناپسي مهاري
فيدبکي محيطی
پارامترهای مدل
اسلاید 10 :
روابط حاکم بر مدل
اسلاید 11 :
شبکه اسيلاتور دو نوروني
درساده ترين حالت شبکه از دونورون تشکيل شده است. اين نورونها بصورت معکوس به هم متصلند و براي توليد نوسان در خروجي، بترتيب يکديگر را مهار و تحريک مي نمايند. چنين فعاليتي براي مهار دوسويه و تناوبي ماهيچه هاي جمع شونده و باز شونده در يک مفصل در هنگام راه رفتن، وجود دارد.
اين مدل مي تواند به عنوان مدلي پايه براي ريتمهاي ساده درنظر گرفته شود.
اسلاید 13 :
شبکه اسيلاتور چهار نوروني تمام-متصل
اسلاید 14 :
مدلي از CPG در سيستم هاي زيستي
RCPG
Respiratory central pattern generator
اسلاید 15 :
RCPG
مدلسازي مکانيزمهاي عصبي کنترل تنفسي
از قديمي ترين موضوعات نوروساينس
مسئله هنوز هم غير قابل حل بنظر مي رسد
مثلا: آيا ريتمهاي تنفسي از يک شبکه ناشي مي شود يا از نورونهاي ضربان ساز ذاتي؟
براي تفسير دادگان آزمايشگاهي به مدل مناسبي براي RCPG نيازمنديم
تفسير هرگونه داده آزمايشگاهي براي فعاليت نورونهاي تنفسي به مکانيزم نوروني CPGهاي تنفسي بستگي دارد
اسلاید 16 :
مدلی برای RCPG
اين مدل بر مبناي مهار دوسويه دو دسته نورون مي باشد
نورونها در نتيجه ورود کلسيم به داخل سلول و فعاليت کانالهاي پتاسيمي وابسته به کلسیم، فعالیت می کنند.
اسلاید 17 :
مدل هر نورون در مدل RCPGشامل:
مکانيزم جمع وروديهاي پيش سيناپسي
3 نوع نيروي الکتروموتوری
نيروي مهاري
نيروي تحريکي
نيروي نشتی
يک نورون زماني که به پتانسيل غشاء آن به حد آستانه ميرسد، تحريک ميشود
در اين لحظه هدايت پتاسيم که وابسته به تحريک است، افزايش يافته و در همان لحظه غلظت کلسيم داخل سلول نيز افزايش مي يابد. سپس هدايت پتاسيم با ثابت زماني کوچک حدود 10 ميلي ثانيه و غلظت کلسيم با ثابت زماني بزرگ حدود 500 ميلي ثانيه کاهش مي يابند. غلظت کلسيم بلافاصله هدايت کانالهاي پتاسيمي وابسته به کلسيم را تحت تاثير قرار مي دهد.
اسلاید 18 :
وضعیت فيبرها متغير است و در هر لحظه از زمان براي تحريک شدن يا تحريک نشدن تنظيم مي شوند. تحريک توسط يک مکانيزم رندوم صورت مي گيرد که يک انتخاب رندوم مستقل براي هر فيبر در هر لحظه از زمان با احتمال تحريک شدني که براي گروههاي مختلف فيبرها متفاوت است، را فراهم مي کند.
اتصالات بين نورونها توسط يک ماتريس اتصالات برقرار مي شود. المانهاي اين ماتريس فقط يکبار، هنگامي که شبکه مقداردهي اوليه مي شود بصورت رندوم انتخات مي شوند.
الگوريتم عملکرد شبکه بسيار ساده مي باشد، بدين صورت که در هر گام زماني و برا ي هر نورون، بردار اتصالات ورودي در بردار حالت نورونها ضرب مي شود و سپس پتانسيل غشاء آن مقداردهي جديد مي شود. در اين مدل روش انتگرالگيري نمايي براي متغيرهاي تغييرپذير با زمان استفاده مي شود و هر گام زماني 1 ميلي ثانيه است.
هسته مدل RCPG شامل دو دسته نورون است. اين دو دسته نورون بصورت دوسويه اثر مهاري روي يکديگر دارند. در اين مدل، ارتباطات داخلي نورونها در هر گروه معين نمي باشد.
نورونهاي باقي مانده در مدل، وروديهاي مهاري از آن دو دسته نورون هسته اي دريافت مي کنند و نورونهاي گروهی تحريکهاي تونيک از فيبرهاي ورودي دريافت مي کنند.
اسلاید 19 :
جدول پارامترهای هر نورون
اسلاید 20 :
جدول پارامترهای اتصالات بین نورونها
