论文部分内容阅读
帕金森病(Parkinson’s disease,PD)是一种常见的神经退行性疾病,其发病原因与治病机制目前尚不清楚。由底丘脑核(subthalamic nucleus,STN)与外侧苍白球(globus pallidus externa,GPe)构成的STN-GPe网络局部场电位的beta频段(13-35 Hz)的异常振荡活动与PD的运动症状相关,通过对刺激靶点STN进行深度脑刺激(deep brain stimulation,DBS)可以有效地降低STN-GPe网络的振荡活动,缓解PD的运动障碍,但其作用机理尚不清楚。针对STN-GPe网络的高速数值仿真对PD背后机制的探索具有重要意义。本文基于现场可编程门阵列(Field Programmable Gate Array,FPGA)实现了包含512个单间室类Hodgkin-Huxley神经元的大规模STN-GPe网络的实时仿真,并对网络生理活动进行了分析。首先给出STN-GPe网络的模型与参数值,从硬件系统、数据通讯、设计框架等方面对FPGA仿真平台进行系统性分析,为大规模STN-GPe网络的实现选取硬件扩展方案,确定FPGA的整体开发流程。其次,实现单神经元的FPGA设计。为节省片上资源采取乘法器替代、定点运算、非线性函数近似以及函数重新整合等措施,充分利用FPGA片上的各种硬件资源(如存储资源与嵌入式DSP块等)间接降低对总逻辑单元的使用。提出有限状态机的设计思路,比较单神经元模型详细数字结构FPGA实现结果与MATLAB软件仿真结果,验证单神经元模型FPGA实现的精确性。最后,扩展网络拓扑结构,采用模块复用方法,以牺牲仿真时间为代价使得网络规模扩大64倍,实现了512个神经元规模的STN-GPe网络。根据FPGA仿真结果,该网络能够准确模拟正常状态与PD状态下的放电活动,FPGA平台神经元放电波形与软件仿真波形的相关系数为0.9756。相同生理时间下,FPGA平台仿真速度是Intel Core i7-8700K 3.70GHz CPU 32GB RAM计算机仿真速度的75倍,达到实时仿真的要求。此外,将所搭建网络平台成功应用于模拟时变DBS脉冲对网络放电活动影响的分析。本文为大规模脉冲神经网络的FPGA实现提供一种有效的方法,为PD发病机制与DBS作用的研究提供更接近生理的仿真平台。