「積分発火モデル」の版間の差分

積分発火モデル (ソースを閲覧)

2021年10月2日 (土) 11:26時点における版

1,190 バイト追加、 2021年10月2日 (土)

細

→‎非線形積分発火モデル

WikiSysop

ビューロクラット、管理者

15,998

回編集

@@ 50行目: / 50行目: @@
 ===非線形積分発火モデル===
 積分発火モデルは、
-	(1)
+::<math>C_m\frac{dV}{dt}=F(V)+I_{ext}</math>
- 	(2)
-が1次関数) である。しかし、神経細胞は非線形システムであり、Hodgkin Huxley (HH) モデ を非線形関数で表したモデルがいくつか提案されてきた。また、HHモデルから、早いチャネルの関数に置き換え、遅いチャネル変数を定数に置き換える近似により、非線形積分発火モデルを導出できる<ref name=Abbott1990>Abbott, L.F. & Kepler, T.B. (1990).<br>Model neurons: from Hodgkin-Huxley to Hopfield." In Statistical mechanics of neural networks (pp. 5-18). Springer, Berlin, Heidelberg.
+::<math>F(V)=-G_L(V-E_L)</math>
+という線形微分方程式<math>F(V)</math>が1次関数) である。しかし、神経細胞は非線形システムであり、Hodgkin-Huxleyモデルも非線形微分方程式である。このため、<math>F(V)</math>を非線形関数で表したモデルがいくつか提案されてきた。また、Hodgkin-Huxleyモデルから、早いチャネルの関数に置き換え、遅いチャネル変数を定数に置き換える近似により、非線形積分発火モデルを導出できる<ref name=Abbott1990>'''Abbott, L.F. & Kepler, T.B. (1990).'''<br>Model neurons: from Hodgkin-Huxley to Hopfield." In Statistical mechanics of neural networks (pp. 5-18). Springer, Berlin, Heidelberg.
 [https://doi.org/10.1007/3540532676_37 PDF]</ref><ref name=Jolivet2004><pubmed>15277599</pubmed></ref>[4,5]。
-を2次関数　　に拡張したQuadratic Integrate and Fire (QIF) モデルである。このモデルはサドルノード分岐を示す力学系の分岐点近傍の標準系 (Normal form) として得られたものである<ref name=Ermentrout1996><pubmed>8697231</pubmed></ref>[6]。QIFモデルには限られたタの微分方程式に拡張した<ref name=Izhikevich2003><pubmed>18244602  MATLABコードが著者の [https://www.izhikevich.org/publications/spikes.htm ホームページ]にある。</pubmed></ref>[7]。
+つ目の拡張は、<math>F(V)</math>を2次関数<math>F(V)=\tfrac{G_L}{2\Delta_r}(V-V_r)^2</math>に拡張したQuadratic Integrate and Fire (QIF) モデルである。このモデルはサドルノード分岐を示す力学系の分岐点近傍の標準系 (Normal form) として得られたものである<ref name=Ermentrout1996><pubmed>8697231</pubmed></ref>[6]。Quadratic Integrate and Fireモデルには限られたタイプの発火パターンしか再現できないという問題があった。そこで、Izhikevich は Quadratic Integrate and Fireモデルを2変数<math>(V,U)</math>の微分方程式に拡張した<ref name=Izhikevich2003><pubmed>18244602</pubmed><br>MATLABコードが著者の [https://www.izhikevich.org/publications/spikes.htm ホームページ]にある。</ref>[7]。
-	(3)
-		(4)
+::<math>C_m\frac{dV}{dt}=0.04V^2+5V+140-U+I_{ext}</math>
-にリセットされる。このモデルは、多様な神経細胞<ref name=McCormick1985><pubmed>2999347</pubmed></ref> <ref name=Nowak2003><pubmed>12626627</pubmed></ref> [8,9] が持つ、さまざまな発火特性を再現できる。
+::<math>\frac{dV}{dt}=a(bV-U)</math>
+ここで、<math>a,b</math>はパラメータである。膜電位<math>V</math>が閾値<math>30 mV</math>に達すると、変数<math>V</math>は<math>c</math>に、 変数<math>U</math>は<math>U+d</math>にリセットされる。このモデルは、多様な神経細胞<ref name=McCormick1985><pubmed>2999347</pubmed></ref> <ref name=Nowak2003><pubmed>12626627</pubmed></ref>[8,9]が持つ、さまざまな発火特性を再現できる。
+つ目の拡張は、リーク電流に加え、指数関数のスパイク生成電流を考慮に入れたExponential Integrate and Fire (EIF) モデルである<ref name=Fourcaud-Trocme2003><pubmed>14684865</pubmed></ref>[10]。
-つ目の拡張は、リーク電流に加え、指数関数のスパイク生成電流を考慮に入れたExponential Integrate and Fire (EIF) モデルである<ref name=Fourcaud-Trocme2003><pubmed>14684865</pubmed></ref> [10]。
+::<math>F(V)=-G_L(V-E_L)+G_L\Delta{exp}(\frac{V-V_r}{\Delta_r})</math>
-, 	(5)
-はスパイクの立ち上がりの度合いを表現するパラメータであり　が小さいほどスパイクの立の極限で EIF は通常の積分発火モデルになる。EIF モデルもQIFモデルと同様、限られたタイ の微分方程式に拡張した<ref name=Brette2005><pubmed>16014787</pubmed></ref> [11]。このモデルも、多様な神経細胞が持つ、さまざまな発火パターンを再現できる<ref name=Naud2008><pubmed>19011922</pubmed></ref>[12]。
+ここで<math>\Delta_r</math>はスパイクの立ち上がりの度合いを表現するパラメータであり<math>\Delta_r</math>が小さいほどスパイクの立上がりは急峻になる。<math>\Delta_r\to 0</math>の極限でExponential Integrate and Fireは通常の積分発火モデルになる。Exponential Integrate and FireモデルもQuadratic Integrate and Fireモデルと同様、限られたタイプの発火パターンしか再現できない という問題があった。BretteとGerstner はExponential Integrate and Fireモデルを2変数<math>(V,U)</math>の微分方程式に拡張した<ref name=Brette2005><pubmed>16014787</pubmed></ref> [11]。このモデルも、多様な神経細胞が持つ、さまざまな発火パターンを再現できる<ref name=Naud2008><pubmed>19011922</pubmed></ref>[12]。
 ===変動閾値モデル===