[发明专利]神经元网络检测信号装置

说明书

技术领域

本发明涉及神经元领域，尤涉及神经元信号检测技术。

背景技术

在生物体内广泛存在的神经元，神经元是处理信息的基本单元，在不同外界刺激下可做出适当的响应行为。由于兴奋在神经元之间的传递是单向的，导致兴奋在完整反射弧中的传导也是单向的，只能由传入神经传人，由传出神经传出。神经元能够对流入和流出神经元的跨膜离子电流产生响应，从而表现出神经元膜电位的放电动作，如静息，spiking放电，bursting放电或者混沌放电等。当神经元的跨膜离子电流较低时，神经元的膜电位动作表现为静息；在较大的神经元跨膜离子电流作用下，神经元的膜电位动作表现为spiking放电，bursting放电或者混沌放电。

20世纪80年代初期，美国加州技术学院的生物物理学家JohnJ.Hopfield博士发表了一篇重要的论文。文中动力学模型被用于全连接的神经网络。并用集成电路硬件实现了这个动力学系统。因为他的工作，为其它领域使用神经网络解决实际问题提供了可靠依据。但这种神经网络的基本单元已不需要是神经元，它完全可以是一个电子元件或电子线路，因而被称为是人工神经网络。Hopfield博士的工作使人工神经网络的出现和研究进入一个新的高潮。人工神经网络系统是采用物理可实现的系统来模仿人工神经细胞的结构和功能的系统。二十世纪九十年代初，Eckhorn提出了一种神经网络模型，这些生物模型是耦合神经元网络连接方式的模型基础。在模型中，神经元通过相互耦合激励产生同步化，神经元对于相似的输入数据能够同步爆发，对于上述的生物神经网络模型稍加改进，可构成不同拓扑结构的如小世界，无标度或者规则连接下的神经元网络。神经元耦合系统是一个新兴的非线性动力学研究领域，耦合振荡及同步是非线性动力学的一个基本现象。它发生在许多物理、通信、生态和神经系统中并且在振荡的集体行为扮演重要的角色。特别是近年来，耦合神经元系统的同步和去同步问题是研究脑信息处理的关键，在国外Bazhenovt等研究了链式抑制性化学突触耦合混沌行为；国内石霞等研究了具有环式结构的电耦合同步模式；王青云等在《神经元耦合系统的同步动力学》中研究了对称结构的耦合神经元网络同步的充分条件；杜艳海等研究了N个最近邻耦合网络耦合的FitzHugh-Nagumo的同步振荡等；本案发明人也在发表在CommunNonlinearSciNumerSimulat的论文《对耦合神经元电路检测噪声的影响》(Detectionofnoiseeffectoncoupledneuronalcircuits)中对噪声对耦合神经元同步产生的影响进行了研究。

而在医学领域，对于患有神经或精神疾病(如帕金森病、原发性震颤、张力失常或强迫症)的患者，脑局部化区域(例如丘脑和基底神经节)内的神经细胞群(Nervenzellenverbaende)病态地活跃，这样过于同步化会加重病症，因此需要研究神经元同步的机理及抑制同步的发生。

传统微弱信号检测电路是采用传感器+放大器的结构，其中放大器要求是高精度的灵敏放大器，即足够的增益、低的输入失调且良好的线性度。如硬盘数据的读出放大器。通常，噪声会降低信号的信噪比，影响了有用信息的提取。在某些非线性系统给中，噪声是能够增强微弱信号的检测能力的，这称为随机共振现象。梁晓冰等人在《物理学报》2009年第7期发表的《弱信号在Hodgkin-Huxley神经元单向耦合系统中的传输特性》利用随机共振检测微弱信号的系统,见图1，即通过调制外界噪声强度到合适值达到随机共振态，使得信号输出的信噪比达到最大，达到弱信号检测的目的。这种方案需要利用噪声诱发随机共振，通过检测信噪比来判断是否有信号输出，由于随机共振是人为不可控的，同时信噪比的判断也会出现失误，因此这种方案也有较大的不足。

发明内容

本发明的目的在于提供神经元网络检测信号的装置。

为达到上述目的，本发明神经元网络检测信号装置，包括至少两个耦合的神经元，每个神经元连接一个传输出直流电信号的传感器，耦合的神经元输出端连接一个同步判断装置。

所述的神经元还连接一个噪声发生器。

所述的神经元为双向耦合。

采用了上述方案后，利用传感器将物理或生物等信号转换为直流电信号，作用到相互耦合的神经元或类神经元电路中，当耦合强度达到一定值后，神经元或类神经元电路网络的放电行为也将达到同步，同步判断装置可以检测到该种电路的输出电压或电流响应。

附图说明

图1为现有检测信号装置结构原理图；

图2为本发明神经元耦合结构示意图；