سمینار درس کنترل سیستمهای عصبی-عضلانی استاد درس: دکتر توحیدخواه تهیه کننده: حدیثه نوعپرست

1. سمینار درس کنترل سیستمهای عصبی-عضلانی استاد درس: دکتر توحیدخواه تهیه کننده: حدیثه نوعپرست دی ماه 1387

2. فهرست مطالب • تعریف CPG • دو نظریه نوروبیولوژیکی متفاوت برای تولید حرکات تناوبی • مدل محاسباتی CPG • مدلي از CPG در سيستم هاي زيستي

3. تعریفCPG • 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.

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.

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.

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.

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.

8. مدل ماتسوکو

9. پارامترهای مدل ورودي تونيک فيدبکي محيطی ثابت زماني صعود پتانسيل غشا خروجي وزنهای اتصالات سيناپسي مهاري متغير تطبيق در نورون ثابت زماني تطبيق

10. روابط حاکم بر مدل ورودي تونيک فيدبکي محيطی ثابت زماني صعود پتانسيل غشا خروجي وزنهای اتصالات سيناپسي مهاري متغير تطبيق در نورون ثابت زماني تطبيق

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.

13. شبکه اسيلاتور چهار نوروني تمام-متصل

14. مدلي از CPG در سيستم هاي زيستي RCPG Respiratory central pattern generator

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

16. مدلی برای RCPG • اين مدل بر مبناي مهار دوسويه دو دسته نورونمي باشد • نورونها در نتيجه ورود کلسيم به داخل سلول و فعاليت کانالهاي پتاسيمي وابسته به کلسیم، فعالیت می کنند.

17. مدل هر نورون در مدل RCPGشامل: مکانيزم جمع وروديهاي پيش سيناپسي نيروي مهاري 3 نوع نيروي الکتروموتوری 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 مييابد. سپس هدايت پتاسيم با ثابت زماني کوچک حدود 10 ميلي ثانيه و غلظت کلسيم با ثابت زماني بزرگ حدود 500 ميلي ثانيه کاهش مييابند. غلظت کلسيم بلافاصله هدايت کانالهاي پتاسيمي وابسته به کلسيم را تحت تاثير قرار ميدهد.

18. وضعیت فيبرها متغير است و در هر لحظه از زمان براي تحريک شدن يا تحريک نشدن تنظيم ميشوند. تحريک توسط يک مکانيزم رندوم صورت ميگيرد 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 ميکند. اتصالات بين نورونها توسط يک ماتريس اتصالات برقرار ميشود. المانهاي اين ماتريس فقط يکبار، هنگامي که شبکه مقداردهي اوليه ميشود بصورت رندوم انتخات ميشوند. الگوريتم عملکرد شبکه بسيار ساده ميباشد، بدين صورت که در هر گام زماني و برا ي هر نورون، بردار اتصالات ورودي در بردار حالت نورونها ضرب ميشود و سپس پتانسيل غشاء آن مقداردهي جديد ميشود. در اين مدل روش انتگرالگيري نمايي براي متغيرهاي تغييرپذير با زمان استفاده ميشود 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 نميباشد. نورونهاي باقي مانده در مدل، وروديهاي مهاري از آن دو دسته نورون هستهاي دريافت ميکنند و نورونهاي گروهی تحريکهاي تونيک از فيبرهاي ورودي دريافت ميکنند.

19. جدول پارامترهای هر نورون

20. جدول پارامترهای اتصالات بین نورونها

21. الگوهاي فعاليت سيستم در اين شکل کاملا واضح است که شبکه نوساني است و نورونها در پريودهاي کوتاه و بلند، بصورت تناوبي نوسان ميکنند. پريود کوتاه بيانگر وضعيت دم و پريود بلند بيانگر وضعيت بازدم ميباشد. ايمپالسها با نقطه نمايش داده شده اند هر خط افقي فعاليت يک نورون را نشان ميدهد

22. 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

23. با تشکر از توجه شما