[发明专利]一种神经元参数拟合方法

说明书

一种神经元参数拟合方法属于神经科学领域，提高神经元参数拟合的效率。因为现实中复原真实的神经元放电活动具有重要意义，在实验中可以测得某种神经元所包含的离子通道种类，但是离子通道的电导值不易测得。本发明采用CUDA编程加速了遗传算法求解神经元模型电导参数的过程，充分利用了GPU的计算资源，并采用MFC框架可视化了算法求解的过程。该工具既可以通过导入实验数据，也可以根据指定的电导参数值和刺激电流来生成伪实验数据对工具的运行结果进行检验。本工具方便了实验人员的使用。实验结果显示，算法能找到接近最优参数的值，从而复现实验测得的电信号。

技术领域：

本发明属于神经科学领域。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。

背景技术

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。

发明内容：

本发明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个体对应的适应度值。特别地，为了解决当种群中个体数量很多而造成的计算适应度值的瓶颈，本发明将每个个体计算适应度值的过程放入GPU核心中进行。然后根据适应度值可以进行遗传操作，最终输出最优个体，即最优的电导参数。具体步骤如下：

(1)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，也可以由本发明提供的生成伪实验数据方法生成。

其中生成伪实验数据的具体步骤是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C_M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。α_n，β_n等表示与之相关的离子通道的速率常数。

(2)采用并行遗传算法对(1)中的数据进行参数拟合，具体步骤如下：