Para investigar cómo los diferentes tipos de neuronas pueden producir patrones de pico conocidos, se propone en este trabajo un nuevo modelo computacionalmente eficiente. Este modelo puede ayudar a realizar los problemas de interconexión neuronal. El modelo puede demostrar varios comportamientos neuronales observados in vivo mediante una simple modificación de los parámetros. Los comportamientos incluyen el spiking tónico y fásico, el bursting tónico y fásico, la excitabilidad clase 1 y clase 2, el spike de rebote, el burst de rebote, la oscilación subumbral y el spiking acomodado junto con las respuestas de las neuronas de inhibición. Aquí, investigamos los patrones de picoteo neuronal en la enfermedad de Parkinson a través de nuestro modelo propuesto. El patrón anormal del núcleo subtalámico en la enfermedad de Parkinson puede ser estudiado a través de las variaciones en la forma y frecuencia de los patrones de disparo. Nuestro modelo propuesto introduce ecuaciones matemáticas, en las que estos patrones pueden derivarse y diferenciarse claramente unos de otros. Los comportamientos irregulares y arrítmicos del patrón de disparo del núcleo subtalámico en condiciones normales pueden transformarse fácilmente en los causados por la enfermedad de Parkinson mediante simples modificaciones de los parámetros en el modelo propuesto. Este modelo puede mostrar explícitamente el cambio de los patrones de actividad neuronal en la enfermedad de Parkinson, lo que puede conducir eventualmente a un tratamiento eficaz con dispositivos de estimulación cerebral profunda.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Los efectos de la exposición subcrónica a terbutilazina en las primeras etapas de desarrollo de la carpa común.
Artículo:
Síntesis de nanocristales de CdS empleando los subproductos del proceso respiratorio anaeróbico de la bacteria Desulfovibrio alaskensis 6SR
Artículo:
Detección de conos de pino en el entorno natural mediante el algoritmo mejorado de aprendizaje profundo YOLOv4
Artículo:
Propiedades hídricas de las lentes de contacto blandas: Estudio comparativo en infrarrojo cercano de dos materiales de hidrogel
Artículo:
Análisis del proceso de minería de datos sobre la base de datos Bioinformática de segmentos de la proteína p53, asociada a la actividad cancerígena