Топологический анализ модели кортикальной колонки при масштабировании до визуальной коры V5
|
Введение 4
Глава 1. Теоретические аспекты нейронных сетей 7
1.1 Аксон 8
1.2 Сома 8
1.3 Дендриты 9
1.4 Нервные окончания 10
1.5 Электрические свойства нейронов 10
1.6 Синапс 12
1.7 Возбуждающие и тормозящие синапсы 17
Глава 2. Теоретические аспекты визуальной коры головного мозга 20
2.1 Участок зрительной коры V5 22
2.2 Роль участка V5 в визуальной коре 23
2.3 Соединения участка V5 26
2.4 Ингибирующие связи нейронов участка V5 29
2.5 Тормозящие связи нейронов участка V5 30
Глава 3. Методы реализации и практические результаты 31
3.1 Постановка задачи 31
3.2 Вычисление данных 31
3.3 Построение 3D модели 32
3.4 Построение нейронных связей с помощью синапсов 33
3.5 Реализация генератора подающего сигнал, моделирующий визуальный
стимул 33
3.6 Реализация детектора отслеживающего нейронную активность
передающуюся на таламус с течением времени 34
Заключение 36
Список использованных источников 38
Приложения должны быть в работе, но в данный момент отсутствуют
Глава 1. Теоретические аспекты нейронных сетей 7
1.1 Аксон 8
1.2 Сома 8
1.3 Дендриты 9
1.4 Нервные окончания 10
1.5 Электрические свойства нейронов 10
1.6 Синапс 12
1.7 Возбуждающие и тормозящие синапсы 17
Глава 2. Теоретические аспекты визуальной коры головного мозга 20
2.1 Участок зрительной коры V5 22
2.2 Роль участка V5 в визуальной коре 23
2.3 Соединения участка V5 26
2.4 Ингибирующие связи нейронов участка V5 29
2.5 Тормозящие связи нейронов участка V5 30
Глава 3. Методы реализации и практические результаты 31
3.1 Постановка задачи 31
3.2 Вычисление данных 31
3.3 Построение 3D модели 32
3.4 Построение нейронных связей с помощью синапсов 33
3.5 Реализация генератора подающего сигнал, моделирующий визуальный
стимул 33
3.6 Реализация детектора отслеживающего нейронную активность
передающуюся на таламус с течением времени 34
Заключение 36
Список использованных источников 38
Приложения должны быть в работе, но в данный момент отсутствуют
Понимание взаимосвязи между структурой и динамикой коры головного мозга млекопитающих является ключевой задачей нейробиологии. До сих пор эта задача была решена двумя способами: путем моделирования нейронов или небольших схем в мельчайших подробностях, и в рамках крупномасштабных моделей, представляющих каждую область с небольшим числом дифференциальных уравнений. Учитывая современные теории и экспериментальные данные о кортикальных функциях, оба способа имеют свои ограничения. Кортикальная обработка не ограничивается одной или несколькими областями, это скорее результат сложных взаимодействий между многими областями, связанными прямыми и обратными процессами. С другой стороны, высокая степень связанности в пределах областей намекает на важную роль для локальной обработки. Таким образом, более глубокое понимание функции мозга и динамики можно ожидать от нескольких масштабных моделей, которые сочетают в себе подробные характеристики локальных микросхем с реалистичными взаимодействиями между областями. Еще одно преимущество многомасштабного моделирования заключается в том, что оно позволяет использовать эквивалентность между моделями упрощенных популяций нейронов и моделей на клеточном уровне, для тестирования.
Моделирование крупномасштабных нейронных сетей на клеточном уровне было затруднено двумя основными препятствиями, которые сейчас постепенно преодолеваются. Во-первых, для имитации этих моделей требуется большое количество вычислений, на высокопроизводительных кластерах или даже на суперкомпьютерах, а технология моделирования должна быть оптимизирована для того, чтобы использовать эти ресурсы эффективным образом. В последнее время значительный прогресс в технологии моделирования был достигнут, и продемонстрирована в симуляторе NEST (Gewaltig &Diesmann, 2007). Возможность моделирования сетей, содержащих до 1,7 • 10л9 нейронов и 10л13 синапсов было показана, используя суперкомпьютер K в Кобе, Япония (RIKEN BSI, 2013). Во-вторых, пробелы в анатомических знаниях не позволяли последовательное определение моделей нескольких участков коры головного мозга. Разработка базы данных CoCoMac (Stephan и др., 2001;. Баккер и др, 2012 г.) способствовало систематическому сбору данных о связях нейронов в коре головного мозга макаки, а также недавние исследования показали количественные данные о кортикально¬кортикальных связях в коре головного мозга макаки включая ламинарную информацию (Марков и др., 2014A, б). Кроме того, обширная инициатива моделирования человеческого мозга в рамках Европейского проекта НВР (Human Brain Project) ставит своей целью обеспечить комплексную инфраструктуру, которая принимает данные, алгоритмы объединенных данных и средства моделирования в масштабах нейронных сетей и распределений синапсов (Кандель и др Аль, 2013;.. Tiesinga и др 2015). Тем не менее, все еще остаются пробелы в данных о кортикальной архитектуре, так что остается необходимым прогнозировать недостающие данные, используя закономерности, чтобы полностью определить крупномасштабные кортикальные модели сети нейронов. Такое положение обусловливает необходимость исследования моделей кортикальных колонок при масштабировании до конкретной области.
Основной задачей исследования автора выпускной квалификационной работы является топологический анализ модели кортикальной колонки при масштабировании до визуальной коры V5. Основываясь на работах работах (Potjans &Diesmann 2014) и (Felleman &Van Essen 1991) была получена информация для построения модели, учитывающей удельную плотность нейронов в ламинарных слоях участка визуальной коры головного мозга V5. Связность модели с другими участками была получена с помощью объединения в себе недавно обновленных двоичных данных трассировки из базы данных CoCoMac (Stephan и др., 2001) с количественными данными трассировки обеспечения плотности соединений (Марков и др., 2014A) и с моделями ламинарного соединения (Stephan и др., 2001;. Марков и др, 2014b).
Модель объединяет большую совокупность знаний о строении зрительной коры млекопитающих в согласованную систему, которая позволяет построить точную модель взаимосвязей нейронов участков визуальной коры головного мозга в рамках крупномасштабной модели, в мельчайших подробностях. Этот подход показывает новый способ решения проблемы понимания взаимосвязи между структурой и динамикой коры головного мозга млекопитающих. Что свидетельствует об актуальности и важности данной работы.
Задачи дипломной работы :
1. Сбор и анализ информации о визуальной коре головного мозга.
2. Сбор и анализ информации о кортикальных колонках при масштабировании до визуальной коры V5.
3. Разработать программу позволяющею симулировать нейронную активность участка визуальной коры головного мозга.
Моделирование крупномасштабных нейронных сетей на клеточном уровне было затруднено двумя основными препятствиями, которые сейчас постепенно преодолеваются. Во-первых, для имитации этих моделей требуется большое количество вычислений, на высокопроизводительных кластерах или даже на суперкомпьютерах, а технология моделирования должна быть оптимизирована для того, чтобы использовать эти ресурсы эффективным образом. В последнее время значительный прогресс в технологии моделирования был достигнут, и продемонстрирована в симуляторе NEST (Gewaltig &Diesmann, 2007). Возможность моделирования сетей, содержащих до 1,7 • 10л9 нейронов и 10л13 синапсов было показана, используя суперкомпьютер K в Кобе, Япония (RIKEN BSI, 2013). Во-вторых, пробелы в анатомических знаниях не позволяли последовательное определение моделей нескольких участков коры головного мозга. Разработка базы данных CoCoMac (Stephan и др., 2001;. Баккер и др, 2012 г.) способствовало систематическому сбору данных о связях нейронов в коре головного мозга макаки, а также недавние исследования показали количественные данные о кортикально¬кортикальных связях в коре головного мозга макаки включая ламинарную информацию (Марков и др., 2014A, б). Кроме того, обширная инициатива моделирования человеческого мозга в рамках Европейского проекта НВР (Human Brain Project) ставит своей целью обеспечить комплексную инфраструктуру, которая принимает данные, алгоритмы объединенных данных и средства моделирования в масштабах нейронных сетей и распределений синапсов (Кандель и др Аль, 2013;.. Tiesinga и др 2015). Тем не менее, все еще остаются пробелы в данных о кортикальной архитектуре, так что остается необходимым прогнозировать недостающие данные, используя закономерности, чтобы полностью определить крупномасштабные кортикальные модели сети нейронов. Такое положение обусловливает необходимость исследования моделей кортикальных колонок при масштабировании до конкретной области.
Основной задачей исследования автора выпускной квалификационной работы является топологический анализ модели кортикальной колонки при масштабировании до визуальной коры V5. Основываясь на работах работах (Potjans &Diesmann 2014) и (Felleman &Van Essen 1991) была получена информация для построения модели, учитывающей удельную плотность нейронов в ламинарных слоях участка визуальной коры головного мозга V5. Связность модели с другими участками была получена с помощью объединения в себе недавно обновленных двоичных данных трассировки из базы данных CoCoMac (Stephan и др., 2001) с количественными данными трассировки обеспечения плотности соединений (Марков и др., 2014A) и с моделями ламинарного соединения (Stephan и др., 2001;. Марков и др, 2014b).
Модель объединяет большую совокупность знаний о строении зрительной коры млекопитающих в согласованную систему, которая позволяет построить точную модель взаимосвязей нейронов участков визуальной коры головного мозга в рамках крупномасштабной модели, в мельчайших подробностях. Этот подход показывает новый способ решения проблемы понимания взаимосвязи между структурой и динамикой коры головного мозга млекопитающих. Что свидетельствует об актуальности и важности данной работы.
Задачи дипломной работы :
1. Сбор и анализ информации о визуальной коре головного мозга.
2. Сбор и анализ информации о кортикальных колонках при масштабировании до визуальной коры V5.
3. Разработать программу позволяющею симулировать нейронную активность участка визуальной коры головного мозга.
В результате выполнения дипломной работы, после проведения топологического анализа и составления подробной схемы взаимодействия кортикальных колонок участка визуальной коры головного мозга V5, автор написал программу моделирующую связи нейронов в кортикальной колонке участка V5 с помощью симулятора нейронных сетей NEST (Neural Simulation Tool).
В процессе выполнения дипломной работы были решены следующие задачи:
1. Собрана и проанализирована информация о визуальной коре головного мозга.
2. Собрана и проанализирована информация о кортикальных колонках при масштабировании до визуальной коры V5.
3. Разработана программа, позволяющая строить 3D модель структуры нейронов и симулировать нейронную активность кортикальной колонки участка визуальной коры головного мозга V5.
Эта работа вносит вклад в решение проблемы понимания взаимосвязи между структурой и динамикой коры головного мозга млекопитающих.
Полученный результат можно применять для исследования взаимоотношений количественных и качественных характеристик работы нейронов в кортикальных колонках участка визуальной коры головного мозга V5. Полученная 3D модель помогает понять структуру и расположение нейронов в колонках. Все это может помочь в работе нейробиологов и при обучении студентов нейробиологических специальностей.
Разработанную программу можно модернизировать для моделирования полного участка визуальной коры V5, для моделирования других участков визуальной коры головного мозга, изменяя исходные данные. Имея данные по всем участкам, необходимую вычислительную мощность и реализовав программные функции их разграничения и соединения, с помощью разработанной программы можно построить 3D модель всей визуальной коры головного мозга и отслеживать ее нейронную активность с течением времени. Также, отключив в программном коде создание синаптических связей в конкретных случаях, можно моделировать нейронную активность визуальной коры с пораженными участками.
В процессе выполнения дипломной работы были решены следующие задачи:
1. Собрана и проанализирована информация о визуальной коре головного мозга.
2. Собрана и проанализирована информация о кортикальных колонках при масштабировании до визуальной коры V5.
3. Разработана программа, позволяющая строить 3D модель структуры нейронов и симулировать нейронную активность кортикальной колонки участка визуальной коры головного мозга V5.
Эта работа вносит вклад в решение проблемы понимания взаимосвязи между структурой и динамикой коры головного мозга млекопитающих.
Полученный результат можно применять для исследования взаимоотношений количественных и качественных характеристик работы нейронов в кортикальных колонках участка визуальной коры головного мозга V5. Полученная 3D модель помогает понять структуру и расположение нейронов в колонках. Все это может помочь в работе нейробиологов и при обучении студентов нейробиологических специальностей.
Разработанную программу можно модернизировать для моделирования полного участка визуальной коры V5, для моделирования других участков визуальной коры головного мозга, изменяя исходные данные. Имея данные по всем участкам, необходимую вычислительную мощность и реализовав программные функции их разграничения и соединения, с помощью разработанной программы можно построить 3D модель всей визуальной коры головного мозга и отслеживать ее нейронную активность с течением времени. Также, отключив в программном коде создание синаптических связей в конкретных случаях, можно моделировать нейронную активность визуальной коры с пораженными участками.