阐明学习和记忆等高级认知过程中神经系统动态获取与储存信息的机制是认知神经科学的主要任务。目前该过程的网络和细胞机制尚未明确。本项目在长时间培养神经元网络的基础上,建立转基因星形胶质细胞-神经元不同比例混合网络,构建适合光电联合检测的神经元网络学习模型。应用多电极阵列、双光子荧光成像等技术,实现对神经元网络化学信号和电信号的长时间、无损、同步记录。通过研究多尺度下神经元网络活动的时空动力学过程以及星形胶质细胞在神经元网络信息加工、传递和整合中的作用,形成并提出对学习记忆活动的神经细胞机制的创新性认识。基于多电极阵列的神经元网络学习模型为神经活动基本过程的研究提供了新思路,对深入理解脑功能具有重要意义。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于一维TiO2纳米管阵列薄膜的β伏特效应研究
基于分形L系统的水稻根系建模方法研究
拥堵路网交通流均衡分配模型
基于多模态信息特征融合的犯罪预测算法研究
卫生系统韧性研究概况及其展望
基于神经元网络的多模型自适应控制方法研究
基于微电极阵列的高效细胞电融合方法研究
基于软石墨烯凝胶的高灵敏神经微电极阵列
基于MEMS工艺的神经刺激微电极阵列的关键技术研究