A fitting method of neuron parameters belongs to the field of neuroscience, which improves the efficiency of fitting neuron parameters. Because it is important to restore the real discharge activity of neurons in reality, the types of ion channels contained in certain neurons can be measured in experiments, but the conductivity of ion channels is not easy to measure. The method uses CUDA programming to accelerate the process of solving the conductivity parameters of the neuron model by genetic algorithm, makes full use of the computing resources of GPU, and uses MFC framework to visualize the process of solving the algorithm. The tool can not only import experimental data, but also generate pseudo-experimental data according to the specified conductivity parameters and stimulating current to test the results of the tool. This tool facilitates the use of laboratory personnel. The experimental results show that the algorithm can find the values close to the optimal parameters, thus the electrical signals measured by the experiment can be reconstructed.
【技术实现步骤摘要】
一种神经元参数拟合方法
:本专利技术属于神经科学领域。是一种利用了并行的遗传算法对实验数据进行拟合寻找参数的方法。该方法能有效提高神经元参数拟合的效率。
技术介绍
对于含有多种离子通道的HH模型来说,其表达式形如在实验中我们可以测得某种神经元所包含的离子通道种类,如果已知电导参数的值,我们可以求解上述微分方程得到每一时刻的电压值V,这样我们就能用这个方程去模拟真实的神经元放电活动。如何去寻找到最优的参数非常困难,例如在测量电信号的实验中,即使已经知道了神经元细胞所包含的离子通道种类,也很难模拟该细胞的放电活动,因为通常在实验中很难测得有关离子通道的电导值,即使是同一个方程,不同的电导参数,其所产生的电信号也会有很大不同。现在一些神经元仿真工具如NEURON和GENESIS也提供了相关的参数寻优工具。这些软件有些是采用CPU编程,有些只提供了很简单的GUI界面,从速度和实用性来说仍有很大的提升空间。因此,本文提出了一种高效实用的神经元参数拟合方法。
技术实现思路
:本专利技术要解决的是神经元电导参数拟合的问题,在实验数据很多的情况下,手动调参变得很困难。如果采用遗传算法进行自动参数拟合的话,当种群中个体数量非常多时,容易造成计算瓶颈,因此本文提出了一种高效的计算方法。首先根据输入的参数初始化种群产生初始种群,种群中的每一个个体实际代表的就是一组参数,还需输入一组真实的尖峰时间点数据,这组数据可以由真实的生物学实验测量记录得到,也可以由算法生成。种群中的每一个个体代入HH方程后都可以产生一组尖峰时间点数据,根据这组尖峰时间点数据和开始输入的真实尖峰数据可以计算每个 ...
【技术保护点】
1.一种神经元参数拟合方法,其特征在于,包括以下步骤:首先根据输入的参数初始化种群产生初始种群,种群中的每一个个体实际代表的就是一组参数,还需输入一组真实的尖峰时间点数据,这组数据由真实的生物学实验测量记录得到或者算法生成;种群中的每一个个体代入HH方程后都产生一组尖峰时间点数据,根据这组尖峰时间点数据和开始输入的真实尖峰数据计算每个个体对应的适应度值;然后根据适应度值进行遗传操作,最终输出最优个体,即最优的电导参数。
【技术特征摘要】
1.一种神经元参数拟合方法,其特征在于,包括以下步骤:首先根据输入的参数初始化种群产生初始种群,种群中的每一个个体实际代表的就是一组参数,还需输入一组真实的尖峰时间点数据,这组数据由真实的生物学实验测量记录得到或者算法生成;种群中的每一个个体代入HH方程后都产生一组尖峰时间点数据,根据这组尖峰时间点数据和开始输入的真实尖峰数据计算每个个体对应的适应度值;然后根据适应度值进行遗传操作,最终输出最优个体,即最优的电导参数。2.根据权利要求1所述的方法,其特征在于:当种群中个体数量很多而造成的计算适应度值的瓶颈,将每个个体计算适应度值的过程放入GPU核心中进行。3.根据权利要求1所述的方法,其特征在于:尖峰时间点数据由以下方法生成:先给定电导参数的值,再选择需要拟合的离子通道种类,然后代入如下的HH方程得到数据;其中CM表示电容,V指的是电压值,是电导值,m,n,h都是关于t的微分方程,I是指当前给予神经元细胞的刺激电流,这个方程中包含一个钠通道和一个钾通道,上式中的m,n,h分别反映了这三种离子通道的开闭动态过程;αn,βn表示与之相关的离子通道的速率常数。4.根据权利要求1所述的方法,其特征在于:采用并行遗传算法进行参数拟合,具体步骤如下:1)首先对电导参数进行实数编码,x=[x1,x2,x3,x4,x5]其中x1~x5代表五个电导参数,其中包括一个钠通道,一个钙通道和三个钾通道,每一组电导参数代表一个个体,之后生成包含许多这种个体的初始群体A;2)选择,根据适应度值复制优秀个体,淘汰比较差的个体:从原始种群A中选择一个小种群A1,将种群A1平分成两部分a1,a2,比较a1,a2的对应位置上个体适应度值的大小,若a2中某个位置上的个体的适应度值比a1好,用a2中的该个体取代a1上对应位置的个体;3)混合交叉:对a2中的每个个体根据交叉概率实行混合交叉,即对a2中的每个个体c,随机在a1中选择两个个体n1,n2,根据公式Ki=...
【专利技术属性】
技术研发人员:曹立宏,沈佳敏,王晔,宫妍竹,
申请(专利权)人:中国传媒大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。