Usuário(a):MGromov/Testes32

Página inicial: Testes

Edições completas: Mecânica estatística • Modelo Hodgkin-Huxley • Neurociência computacional • Modelo probabilístico para redes neurais • Teoria de campo médio • Modelo FitzHugh–Nagumo • Processo Lévy • Cadeias de Markov • Processo de Poisson • Galves–Löcherbach model • Stochastic chains with memory of variable length • Lesão do plexo braquial • Somatotopia • Função densidade • Modelos de grafos aleatórios exponenciais • Processo de Gram-Schmidt • Equação de Chapman–Kolmogorov • Predefinição:Processos estocásticos • Algoritmo de autovalores • Transição de fase • Hipótese do cérebro crítico • Critical brain hypothesis • Passeio aleatório • Plasticidade sináptica • Potencial pós-sináptico excitatório • Potencial pós-sináptico inibitório • Modelo de Morris-Lecar • Plexo braquial • Processo gaussiano • Campo aleatório de Markov • Eletroencefalografia • Modelo de Hindmarsh-Rose • Sistemas de partícula em interação • Medida de Gibbs • Nervo escapular dorsal • Nervo radial • Nervo peitoral lateral • Nervo musculocutâneo • Medida de Dirac • Nervo torácico longo • Sigma-álgebra • Nervo peitoral medial • Nervo ulnar • Potencial evocado • Estimulação magnética transcraniana repetitiva • Teorema de Donsker • Desigualdade de Boole • Codificação neural • Aprendizado de máquina • Independência condicional • Inferência estatística • Nervo subclávio • Nervo supraescapular • Nervo mediano • Nervo axilar • Movimento browniano geométrico • Caminho autoevitante • Tempo local • Nervo subescapular superior • Nervo toracodorsal • Nervo subscapular inferior • Caminho (teoria dos grafos) • Campo aleatório • Lei do logaritmo iterado

Edições em andamento: Nervo cutâneo medial do braço (N) • Nervo cutâneo medial do antebraço (N) • Cérebro estatístico (N) • Statistician brain • Distribuição de probabilidade condicional (N) • Esperança condicional (N) • Integral de Itō (N) • Martingale • Variação quadrática (N) • Processo Ornstein–Uhlenbeck • Ruído branco • Teoria ergódica • Avalanche neuronal (N) • Teoria da percolação (N) • Função totiente de Euler • Ruído neuronal (N) • Distribuição de Poisson • Córtex cerebral • Estímulo (fisiologia)

Referência: Hindmarsh-Rose model

O modelo Hindmarsh–Rose^[1] é um modelo de atividade neuronal que tem como objetivo estudar o comportamento de rajada de disparos do potencial de membrana observado em experimentos feitos com um único neurônio. A variável relevante é o potencial de membrana, x(t), que é escrito em unidades adimensionais. Há mais duas variáveis, y(t) e z(t), que leva em conta o transporte de íons através da membrana por meio de canais de íons. O transporte de íons de sódio e potássio é feito por canais iônicos rápidos e a sua taxa é medida por y(t), que é chamada de variável de spiking. O transporte de outros íons é feito através de canais lentos, e é representado por z(t), que é chamado de variável de rajada. Então, o modelo de Hindmarsh–Rose tem a forma matemática de um sistema de três equações diferenciais ordinárias não-lineares nas variáveis dinâmicas adimensionais x(t), y(t) e z(t), que podem ser escritas como:

{\begin{aligned}{\frac {dx}{dt}}&=y+\phi (x)-z+I,\\{\frac {dy}{dt}}&=\psi (x)-y,\\{\frac {dz}{dt}}&=r[s(x-x_{R})-z],\end{aligned}}

onde

{\begin{aligned}\phi (x)&=-ax^{3}+bx^{2},\\\psi (x)&=c-dx^{2}.\end{aligned}}

O modelo tem oito parâmetros: a, b, c, d, r, s, x_R e I. É comum fixar alguns deles e deixar que os outros sejam parâmetros de controle, normalmente, o parâmetro I, o que significa que a corrente que entra no neurônio é tomada como um parâmetro de controle. Outros parâmetros de controle utilizados frequentemente são a, b, c, d ou r, os quatro primeiros modelando o trabalho dos canais de íons rápidos e o último, os canais de íons lentos, respectivamente. Com freqüência, os parâmetros mantidos fixos são s = 4 e x_R = -8/5. Quando a, b, c, d são fixos, os valores apresentados são a = 1, b = 3, c = 1 e d = 5. O parâmetro r é algo da ordem de 10^-3, e I gira entre -10 e 10.

A terceira equação de estado:

{\begin{aligned}{\frac {dz}{dt}}&=r[s(x-x_{R})-z],\\\end{aligned}}

permite uma grande variedade de comportamentos dinâmicos do potencial de membrana, descritos pela variável x, incluindo um comportamento imprevisível, que é conhecido como dinâmica caótica. Isso torna o modelo de Hindmarsh–Rose relativamente simples e fornece uma boa descrição qualitativa dos muitos padrões diferentes que são observados empiricamente.

Veja também

Referências

↑ Hindmarsh J. L., and Rose R. M. (1984) A model of neuronal bursting using three coupled first order differential equations. Proc. R. Soc. London, Ser. B 221:87–102.

[[:Categoria:Eletrofisiologia]] [[:Categoria: Neurociência]] [[:Categoria: Biofísica]]

[1] Hindmarsh J. L., and Rose R. M. (1984) A model of neuronal bursting using three coupled first order differential equations. Proc. R. Soc. London, Ser. B 221:87–102.

[1]