帕金森状态的建模及DBS闭环控制研究

Parkinson's disease (PD) is a senile diseases endangering human lives. At present, deep brain stimulation (DBS) is one of the main treatments of PD. However, it is difficult to control the output of the neural network accurately by the method of open-loop DBS because of the non-observability of stimulation region, the complexity of local mechanism and the complex relationship between the network structure of brain and dynamic responses. In this project, the closed-loop control strategy is proposed to make precise control of PD. Firstly, based on accurate physiological model, find the biomarkers that can characterize the main changes in PD symptoms. Then, by using the system identification theory, model multiple inputs and multiple outputs (MIMO) network to define the relationship between inputs and outputs of the network. Through the nonlinear dynamic analysis, the network characteristics of normal condition and PD condition will be obtained. Finally, after comparing the performance of different controls, the method with best control effect and optimal energy will be chosen to realize the output control of MIMO model in PD condition. The project will provide a theoretical basis of the closed-loop DBS control and open a new path for the analysis of PD physiology, which is of great theoretical value and practical significance.

帕金森病（PD）是一种严重危害人类健康的中老年病。目前，深度脑刺激（DBS）是治疗PD的主要手段之一，但由于刺激区域的不可观测性，开环DBS局部机制的复杂性，以及大脑网络结构与动态响应之间的复杂关系，使得采用开环DBS的方法精确控制神经元网络的输出面临很大挑战。 本项目提出闭环控制策略，实现PD状态的精确控制。首先，基于精确生理模型，寻找能够表征主要PD症状变化的生物标记。然后，利用系统辨识的方法，建立网络的多输入多输出（MIMO）模型，确定网络的输入-输出关系，并对模型进行非线性动力学分析，得到正常状态以及PD状态的网络特性。最后，采用不同控制方法，实现对PD状态下MIMO模型的输出控制，选择DBS控制效果最好且能量最优的控制方法。该研究不仅为DBS闭环控制系统的开发提供理论依据，而且为PD的生理学基础分析提供了新思路，具有重要的理论价值和现实意义。

帕金森病（ Parkinson’s Disease, PD）是由一种中枢神经系统功能退化引起的退行性神经系统疾病，会导致患者肌肉僵硬、震颤、运动徐缓，甚至丧失运动能力。PD 的运动障碍症状与大脑皮层-基底核-丘脑神经回路的病理性同步振荡密切相关。研究发现深度脑刺激（Deep Brain Stimulation，DBS）可以有效缓解PD患者的运动障碍，但其生物物理机制尚不清楚。因此，为了有效指导动物与临床试验，开发能够改善DBS性能的闭环系统，我们首先构建能够描述大脑皮层-基底核-丘脑神经回路正常与PD状态的计算模型，探究模型参数与PD状态的关系、DBS参数与PD状态的关系，通过揭示PD状态的产生原因以及DBS的作用机制、寻找能够描述PD状态的生物标记、设计合适的DBS闭环控制算法，开发闭环DBS系统。因此本项目从基底核网络神经元动作电位及神经集群局部场电位等多水平，构建DBS输入与基底核响应输出模型，确定网络输入-输出关系，对模型进行非线性动力学分析，得到正常及PD状态的网络特性。项目采用模型分析与实验验证相结合的方法，首先构建了基底核神经元网络模型，发现了网络中神经元固有特性参数、神经元及核团间突触耦合参数与基底核神经网络状态的关系，揭示了帕金森状态的生物物理机制；其次基于基底核神经元网络模型，通过网络动力学特性分析，解码DBS输入，获得了DBS效应机制；然后，基于基底核神经元网络机理与实验模型，设计了DBS的反馈控制方案，实现了DBS的闭环优化；接着，建立了神经元网络仿真平台，实现了DBS闭环控制系统；最后，设计了帕金森大鼠闭环DBS实验，验证了闭环DBS的有效性。提出的闭环DBS控制系统改善了传统开环DBS参数无法自适应调节及刺激能耗高等问题，实现了神经元网络状态的自适应精准控制。该研究不仅为DBS闭环控制系统的开发提供理论依据，而且为PD的生理学基础分析提供了新思路，具有重要的理论价值和现实意义。