CN105631223B - 基于cpg的心肺节律同步控制实验平台 - Google Patents

基于cpg的心肺节律同步控制实验平台 Download PDF

Info

Publication number
CN105631223B
CN105631223B CN201610012562.7A CN201610012562A CN105631223B CN 105631223 B CN105631223 B CN 105631223B CN 201610012562 A CN201610012562 A CN 201610012562A CN 105631223 B CN105631223 B CN 105631223B
Authority
CN
China
Prior art keywords
cpg
signal
cardiac muscle
muscle cell
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610012562.7A
Other languages
English (en)
Other versions
CN105631223A (zh
Inventor
王江
杨双鸣
陈琦
邓斌
魏熙乐
于海涛
张镇
李会艳
车艳秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201610012562.7A priority Critical patent/CN105631223B/zh
Publication of CN105631223A publication Critical patent/CN105631223A/zh
Application granted granted Critical
Publication of CN105631223B publication Critical patent/CN105631223B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于CPG的心肺节律同步控制实验平台，该实验平台包括FPGA开发板和上位机两部分，这两部分通过USB接口相互连接。其中FPGA开发板用来实现心肌细胞网络模型、CPG模型和快速傅里叶算法，上位机采用LabVIEW设计上位机软件界面并与FPGA开发板进行通讯。本发明的效果是作为生物神经网络的无动物实验、基于高速运算的FPGA神经元网络实验平台实现了CPG对心肺节律同步的调控，并且能够保证与真实生物神经元在时间尺度上的一致性。该平台为研究心肺节律同步的机制和控制提供了更加接近真实神经网络的可视化研究平台，对包括心血管疾病在内的多种心肺系统疾病的研究和治疗有重要的实用价值。

Description

基于CPG的心肺节律同步控制实验平台
技术领域
本发明涉及生物医学工程技术，特别是一种基于CPG的心肺节律同步控制平台。
背景技术
近20年来，呼吸和心率之间的耦合现象在医学界受到越来越多的重视。心血管生理学的研究结果表明，呼吸和心率的时间异变往往是相关的。主要表现为吸气时，释放儿茶酚胺增多，窦性P-P周期缩短，心率加快；呼气时产生乙酰胆碱，引起窦房结过度极化，窦性P-P周期延长，心率减慢。这种窦性心律与呼吸节奏同步的现象被称为呼吸性心率不齐(Respiratory sinus arrhythmia，RSA)。RSA是呼吸系统和心血管系统相互作用而产生的生理现象，与心肺耦合相关。RSA避免了呼气过程中的不必要心跳，减少了心脏的做功，优化了心肺系统的工作模式，同时，RSA反映了心血管系统对呼吸活动的响应，年轻人和健康人的RSA很强，但随着年龄的增长和心血管疾病的发生RSA会逐渐减弱，因此它也是心脏功能的一种反映。所以，进一步研究和探索心肺节律同步机制有助于人们更深入的了解心肺系统之间的耦合关系，从而对心血管疾病的治疗或心肺节律调节提供理论依据，具有深远的研究意义。
心脏是人体非常重要的的器官。医学解剖得到的信息并不能全面地再现心脏的电生理学特性，应用数学模型仿真的方法成为了研究心脏的工作原理的主要手段。中枢模式发生器(Central Pattern Generator，CPG)是一种可以产生节律性运动的神经系统。CPG的突出的稳定性和自适应调节能力使得其在神经科学领域受到了前所未有的重视。一直以来动物实验都受到了社会伦理的限制，由于心脏跳动、呼吸都属于节律性运动，也就可以利用CPG模型来模拟研究心肺系统的节律调节机制。因此搭建一种基于CPG的心肺节律同步控制系统，将为心肺系统节律研究提供一个“可循环试验”平台，具有重要的研究价值。
心、肺节律必须转化为同一量纲才能进行比较，通过快速傅里叶变换(FastFourier Transform，FFT)可以将心、肺节律都转化到频域，在频域中进行比较从而确定心肺节律是否同步。目前，对心肺系统节律调制的研究主要是基于生物实验或软件模拟仿真，两者都具有一定的局限性。动物实验一直受到社会伦理的限制，此外动物实验受到多方面环境因素的影响。而软件模拟仿真具有运算速度慢，实时性差等缺点。
现场可编程门阵列(Field Programmable Gate Array，FPGA)技术在以生物神经系统为对象的计算神经科学领域的应用逐渐受到重视。FPGA具有并行运算、运行速度快、设计周期短、开发费用低、体积小、功耗低、编程灵活和可重复配置利用等特点。利用FPGA进行神经网络的运算和特性分析，可实现在真实时间尺度下运行，运算效率高，便于应用，且集成度高，在神经元网络特性研究、仿生学以及智能系统方面有着广阔的应用前景，因此FPGA是实现心肌细胞网络模型和CPG模型的理想选择。
现有的技术还处于基础阶段，仍存在以下缺点：尚无基于CPG的心肺节律调制FPGA实验平台；硬件实现的CPG模型和心肌细胞模型结构比较简单，实际应用价值较低；心肺节律调节方法适应性差；人机界面尚未完善。因此对FPGA硬件CPG网络和心肌网络模型的操作和分析比较困难。
发明内容
针对上述技术中存在的不足，本发明的目的是提供一种基于CPG的心肺节律同步控制实验平台，构造复杂的心肌细胞网络模型和CPG模型，其中，CPG模型由8个H-H(Hodgkin-Huxley)神经元模型构成，同时在FPGA上搭建FFT变换模块，以便于将呼吸节律信号以及心肌细胞产生的节律信号同时变换到频域，再比较心肺节律是否同步。上位机通过USB将呼吸节律信号导入到FPGA开发板中，同时接收FPGA上心肌细胞模型和CPG模型上传的数据，实时观察CPG模型的控制输出对心肌细胞膜电位的影响。
为实现上述目的，本发明采用的技术方案是提供一种基于CPG的心肺节律同步控制的实验平台，其中：该实验平台包括有相互连接的FPGA开发板和上位机两部分，FPGA开发板中集成有心肌细胞网络模型、CPG模型和FFT变换模块；上位机中存储实验所需呼吸节律信号并采用LabVIEW图形化编程上位机软件界面并通过USB与FPGA开发板进行通讯。
本发明的有益效果是该实验平台搭建了复杂的心肌细胞网络模型和CPG模型，实现了快速傅里叶变换算法，设计了可视化人机界面，提高了系统的灵活性和易操作性，并能够达到与真实生物神经元在时间尺度上一致；该平台为心肺节律的调控机制提供了更加具有生理意义的可视化研究平台。基于并行运算的FPGA设计的心肺节律同步控制实验平台无需进行动物实验，该研究内容在我国乃至世界范围内都属于一项前沿的科技领域。本设计创新的提出了基于CPG的心肺节律同步控制实验系统，有以下几点优势：
1、所设计的心肌细胞网络模型和CPG模型能够实现在时间尺度上与真实生物神经元的一致性。
2、为心肺节律的调节机制和控制的研究提供了更加快速、便携的硬件试验平台。
3、本发明的心肌细胞模型的关键参数、突触模型的突触权值以及衰减率都可以通过上位机软件界面配置，实现了利用计算机配置实验平台的各种特性。
4、上位机软件界面的设计使得呼吸节律信号、心肌细胞膜电位变化情况以及CPG模型输出的控制信号能够直观的显示，便于观察和后续数据分析，为心肺节律同步的调节机制和控制研究提供了更好的可视化平台。
附图说明
图1为本发明的FPGA硬件实验平台结构示意图；
图2为本发明的心肌细胞流水线模型；
图3为本发明的突触电流模块；
图4为本发明的H-H神经元流水线模型；
图5为本发明的FFT变换模快；
图6为本发明的上位机软件界面示意图。
图中：
1.FPGA开发板 2.上位机 3.上位机软件界面 4.USB接口 5.输入数据总线 6.输出数据总线 7.心肌细胞网络模型 8.心肌细胞流水线模型 9.呼吸节律信号 10.输入数据信号 11.初值信号 12.初值信号 13.突触电流模块 14.突触电流信号 15.CPG模型 16.H-H神经元流水线模型 17.突触 18.心肌细胞膜电位信号寄存器 19.心肌细胞膜电位信号20.CPG输出控制信号寄存器 21.CPG输出控制信号 22.FFT变换模块 23.FFT变换后的心肌细胞膜电位信号 24.FFT变换后的呼吸节律信号 25.比较模块 26.比较输出信号 27.流水线数据通路 28.选择器 29.峰值检测模块 30.突触权值矩阵 31.衰减率 32.突触电流逻辑运算模块 33.蝶形运算单元Ⅰ 34.蝶形运算单元Ⅱ 35.寄存器 36.选择控制器 37.选择控制信号 38.各参数调节部分 39.呼吸节律信号波形显示 40.心肌细胞膜电位信号波形显示 41.CPG输出控制信号显示
具体实施方式
下面结合附图对本发明的基于CPG的心肺节律同步控制实验平台的结构加以说明。
本发明的基于CPG的心肺节律同步控制实验平台的设计思想是首先在FPGA上建立心肌细胞网络模型和CPG模型；然后在FPGA上设计实现快速傅里叶变换算法，通过比较心肌细胞膜电位信号和呼吸节律信号经FFT变换后的信号，输入到CPG模块改变CPG的输出控制信号，进而控制心肌细胞的放电变化情况。最后设计上位机软件界面，上位机软件界面可以设置参数并通过输入数据总线传输到FPGA，实现对心肌细胞初始状态、模型参数以及突触权值和衰减率的配置，不同的参数可以改变心肌细胞的电位活动特性。此外上位机软件界面通过输入数据总线将存储在上位机中的呼吸节律信号写入FPGA开发板。最后通过输出数据总线将FPGA中心肌细胞网络的膜电位动态数据和和CPG的输出控制信号上传到上位机，在上位机软件界面实现波形的显示以便于观察和分析。该实验平台包括相互连接的FPGA开发板和上位机两部分。其中FPGA开发板用来实现心肌细胞网络模型、CPG模型以及FFT变换模块，上位机用来设计上位机软件界面并与FPGA开发板进行通讯。
在FPGA中采用流水线技术搭建心肌细胞数学模型和构成CPG的神经元数学模型，使复杂逻辑操作分步完成，从而在资源有限的情况下提高系统的吞吐量。流水线的思想实际上就是利用延时将一个计算过程分为若干个子过程，在一个时钟周期内，每个子过程同时分别处理不同神经元、不同状态时刻的数据，模型数据交叉在移位寄存器中保存，并随着时钟转移。在一个神经元数据通路中，流水线的级数P与神经元个数N相等，这样便可实现N个神经元的运算。不同心肌细胞之间的耦合作用由突触电流实现，构成CPG的神经元之间由突触连接，并由突触电流来模拟实现突触。采用衰减变化的突触电流更符合真实的生理突触。如此，突触电流的产生又取决于耦合结构、衰减率以及突触前膜的放电状态。耦合结构由突触权值矩阵来表示，当突触前神经元放电时，突触电流增加Ws且突触电流开始随时间衰减直至下一次突触前神经元放电。突触前各个神经元的膜电位由流水线数据模型计算得到，并存储在FPGA的BRAM中，突触权值矩阵以及衰减率由外设寄存器存储，计算时进行同步调用，这样便可实现心肌细胞网络模型和CPG中各神经元之间的耦合。
所述FFT变换模块：通过傅里叶变换，可以将信号变换到频域便于分析，傅里叶变换成为应用最广泛的数据处理算法之一。快速傅里叶变换算法是离散傅里叶变换的快速算法，它根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进，大量减少了乘法运算的次数，从而有效减少运算量。两个离散点的离散傅里叶变换成为蝶形运算，蝶形运算是快速傅立叶变换的核心，整个FFT算法通过若干级迭代的蝶形运算组成，该算法可以采用硬件描述语言在FPGA中设计实现。本发明将心肌细胞膜电位信号以及上位机输入的呼吸节律信号分别进行FFT变换，然后将变换后的心肌细胞膜电位信号和呼吸节律信号输入到比较模块进行比较处理，然后将比较后的输出信号作为CPG模型的输入，实现控制CPG模型的输出随比较信号的变化而变化，进而影响心肌细胞的放电发生相应变换，实现心肺节律同步，为研究心肺系统节律调控机制提供思路和方法。
所述上位机软件界面：上位机软件界面由NI公司的LabVIEW(Laboratory VirtualInstrument Engineering Workbench，实验室虚拟仪器工程平台)软件设计实现。LabVIEW提供了丰富的仪器控制功能，支持虚拟仪器架构VISA(Virtual Instrument SoftwareArchitecture),VISA完整的集成了与诸多硬件的通信功能。FPGA开发板通过USB设备与上位机相连，上位机LabVIEW软件界面可以通过“VISA读取”来连续接收从FPGA开发板USB接口上传的心肌细胞膜电位信号和CPG输出的控制信号动态数据，在上位机的软件界面上进行实时的波形显示，同时可以在上位机软件界面进行参数设置，通过“VISA写入”输入数据到FPGA开发板中对心肌细胞模型参数和突触权值及衰减率进行配置。由于连接FPGA开发板与上位机的USB是串行总线，不能同时进行读写，因此VISA读取和VISA写入不能同时被执行。由于LabVIEW采用可视化的图形语言设计，开发过程便捷直观，简化了人机交互界面的实现，增强了程序的可靠性和易用性。
本发明的基于FPGA的多电极阵列仿真实验平台结构是由相互连接的FPGA开发板1和上位机2两部分组成。其中FPGA开发板1中集成有心肌细胞网络模型7、CPG模型15以及FFT变换模块，上位机2用来实现上位机软件界面3并与FPGA开发板1进行通讯。以下分别加以说明：
心肌细胞网络模型7
如图1所示，对硬件实验平台系统进行设计，采用Altera高性能低功耗的StratixⅢEP3SL150F1152C2N型号FPGA开发板1，利用Matlab中的开发工具DSP Builder进行可视化图形编程。心肌的电生理活动是以心脏的神经传导系统为基础的，现有心肌细胞模型都是基于对H-H模型的改进。本发明采用LR(Luo-Rudy)心肌模型，根据心肌细胞的数学模型，经欧拉法离散化后，运用DSP Builder搭建心肌细胞的流水线模型8，并编译下载到FPGA开发板1中。心肌细胞网络模型7主要包括有心肌细胞流水线模型8、初值模块11和突触电流模块13。心肌细胞网络模型7接收上位机软件界面3传递到初值模块11的初值信号12和CPG输出控制信号21进行运算，运算产生的心肌细胞膜电位信号19存储到心肌细胞膜电位寄存器18中，心肌细胞膜电位信号19通过输出数据总线6传回上位机软件界面3进行观察处理；FPGA开发板1上心肌细胞网络模型7中各细胞之间通过突触权值矩阵30来模拟真实神经元之间的相互耦合，相应权值越大则耦合强度越强；如图2所示，心肌细胞流水线模型8共有七条流水线数据通路27，主要由加减法、乘法、查找表、移位寄存器等模块组成，流水线深度根据具体网络规模设计。根据FPGA的结构，运用QUARTUSⅡ软件实现硬件描述语言的转换并编译下载到FPGA中实现。将心肌细胞流水线模型8运算得到的心肌细胞膜电位信号19存储到FPGA开发板1的BRAM中，心肌细胞流水线模型8接收初值信号12、突触电流信号14和CPG输出控制信号21作为输入进行运算处理，经过心肌细胞流水线模型8运算产生的心肌细胞的膜电位信号19输入到FPGA开发板1内部心肌细胞膜电位信号寄存器18存储，以便在FFT变换模块22以及突触电流模块13中的峰值检测模块29进行调用。
在心肌细胞网络模型7搭建好以后，需要建立心肌细胞之间耦合关系，心肌细胞之间的耦合作用都由突触电流信号14实现，本发明采用更符合真实的生理突触的具有衰减特性的突触电流。突触电流的产生主要取决于耦合结构、衰减率以及突触前膜的放电状态。耦合结构由突触权值矩阵30来表示，当突触前神经元放电时，突触电流增加Ws且突触电流开始随时间衰减直至下一次突触前神经元放电。如图3所示，突触电流模块13包含峰值检测模块29、突触权值矩阵30、衰减率31和突触电流逻辑运算模块32，耦合结构由突触权值矩阵30来表示，突触取值矩阵30和衰减率31都由上位机软件QUARTUSⅡ设计直接存储到FPGA开发板1的寄存器SRAM中。为了节省硬件资源和加快运算速度，数据采用定点数形式进行运算。突触电流模块13计算时同步调用存储在SRAM中的突触权值矩阵30以及存储在BRAM中的心肌细胞膜电位信号19，当峰值检测模块29检测到突触前心肌细胞膜电位信号19处于放电状态时，突触权值矩阵30被选择器28选中并经过突触电流逻辑运算模块32计算使得突触电流增量Ws并开始随时间衰减直至下一次峰值检测模块29检测到突触前心肌细胞放电。
CPG模型15
CPG是由两个或多个神经元或振荡器组成的网络。本发明的CPG模型15采用八个相互连接的神经元组成，左右两侧各四个，神经元之间通过突触17连接，如图1所示。突触17由突触电流来模拟，其突触电流产生方法与心肌细胞之间的突触电流产生方法一致。为了更好的复现神经元的电生理特性，够成CPG模型15的八个神经元均采用较复杂的H-H神经元模型，经欧拉法离散化后，运用DSP Builder搭建H-H神经元流水线模型16，并编译下载到FPGA开发板1中。如图4所示，H-H神经元水线模型16包含四条流水线数据通路27，主要由加减法、乘法、查找表、移位寄存器等模块组成。每个H-H神经元流水线模型16都接受上位机2通过输入数据总线5传递的输入数据信号10进行初始化，其中构成CPG模型15的左边一侧四个神经元L1、L2、L3和L4的H-H神经元流水线模型16接收比较模块25输出的比较输出信号26进行运算，构成CPG模型15的右边另一侧四个神经元R1、R2、R3和R4的运算产生的CPG输出控制信号21存储到CPG输出控制信号寄存器20中，同时CPG输出控制信号21通过输出数据总线6传回上位机软件界面3进行观察处理。
初值模块11由信号给定模块、常值模块以及多路复用模块共同完成。初值模块11通过FPGA开发板1内部的输入数据总线5接收由上位机软件界面3传递的输入数据信号10，对心肌细胞网络模型7进行初始参数的配置，初值模块11通过接收上位机软件界面3赋予的不同参数，可使心肌细胞流水线模型8在运算时表现出不同的电位活动特性。
FFT变换模块22
FFT变换模块22运用硬件描述语言根据快速傅里叶变换算法编程，并编译下载到FPGA开发板1中实现。整个FFT算法通过若干级迭代的蝶形运算组成，其中蝶形运算如图5所示，它包括蝶形运算单元Ⅰ33、蝶形运算单元Ⅱ34、选择控制器三部分。蝶形运算单元Ⅰ33和蝶形运算单元Ⅱ34主要由加减法器、移位寄存器、多路复用器等模块组成，其中寄存器35由移位寄存器组成，在运算过程中实现流水线作业，加快运算速度；选择器28则由两路复用器组成，其输出由选择控制器36输出的选择控制信号37决定。FFT变换模块22接收由上位机软件界面3通过输入数据总线5传递的呼吸节律信号9运算得到FFT变换后的呼吸节律信号24，同时FFT变换模块22接收存储在心肌细胞膜电位信号寄存器18中的心肌细胞膜电位信号19运算得到FFT变换后的心肌细胞膜电位信号23。经过FFT变换模块22运算产生的FFT变换后的呼吸节律信号24和FFT变换后的心肌细胞膜电位信号23同时输入到比较模块25，比较模块主要由比较器、减法器和寄存器模块组成，经过比较模块25进行比较得到的比较输出信号26再输入到CPG模型15中调节GPG模型15运算得到的CPG输出控制信号21。
上位机软件界面6
如图6所示，在上位机2上利用LabVIEW软件图形化编写上位机软件界面3。FPGA开发板1与上位机软件界面3通过USB接口4实现数据通信，上位机软件界面3通过“VISA读取”接收从FPGA开发板1上USB接口4传输的由心肌细胞网络模型7和CPG模型15运算得到的动态数据；上位机软件界面3设置参数通过“VISA写入”输入数据到FPGA开发板1中，对心肌细胞网络模型7和突触电流模块13进行参数配置。LabVIEW编程时采用多线程编程技术，多线程技术的使用实现了数据处理和数据采集的兼顾，保证了数据的完整性和连续性。上位机软件界面3设计主要分为四个部分：参数调节部分38、呼吸节律信号波形显示部分39、心肌细胞膜电压信号波形显示部分40和CPG输出控制信号波形显示部分41。呼吸节律信号波形显示部分39、心肌细胞膜电压信号波形显示部分40和CPG输出控制信号波形显示部分41主要是实现呼吸节律信号以及FPGA上传的心肌细胞膜电位信号19和CPG输出控制信号21在上位机软件界面3的波形显示，以便于观察心肺节律是否同步以及CPG输出信号对心肺节律同步的控制作用；参数调节部分38可以实现由上位机2对FPGA开发板1中心肌细胞网络模型7的重要参数、突触权值和衰减率的设置。
FPGA实验平台
利用DSP Builder编写基于模块的离散的、固定步长的、定点数运算的心肌细胞网络模型、构成CPG的H-H神经元模型以及FFT变换算法，再转成硬件描述语言。经QUARTUSⅡ软件编写完整的运算逻辑和程序结构；编译、分析综合、布局布线，下载到FPGA开发板1中运行。经USB接口4上传FPGA开发板1运算产生的心肌细胞膜电位信号19和CPG模型输出控制信号21，在LabVIEW编写的上位机软件界面3对心肺系统节律同步机制和控制进行分析研究。

Claims (5)

1.一种基于CPG的心肺节律同步控制实验平台，其特征是：该实验平台包括有相互连接的FPGA开发板(1)和上位机(2)两部分，FPGA开发板(1)中集成有心肌细胞网络模型(7)、CPG模型(15)和FFT变换模块(22)；上位机(2)中存储实验所需呼吸节律信号(9)并采用LabVIEW图形化编程上位机软件界面(3)并通过USB与FPGA开发板(1)进行通讯；
所述心肌细胞网络模型(7)经欧拉离散法化后采用硬件编程语言编写，并编译下载到FPGA开发板(1)中，心肌细胞网络模型(7)包括心肌细胞流水线模型(8)、初值模块(11)和突触电流模块(13)，所述心肌细胞网络模型(7)接收上位机软件界面(3)传递到初值模块(11)的初值信号(12)、突触电流模块(13)运算产生的突触电流信号(14)和CPG输出控制信号(21)作为输入进行运算，运算产生的心肌细胞膜电位信号(19)存储到心肌细胞膜电位信号寄存器(18)中，并传回上位机软件界面(3)进行波形显示和处理；FPGA开发板(1)上的心肌细胞网络模型(7)中各细胞之间通过突触电流模块(13)中的突触权值矩阵(30)来模拟真实神经元之间的相互耦合；
所述CPG模型(15)包括H-H神经元流水线模型(16)和突触(17)，采用硬件编程语言编写并编译下载到FPGA开发板(1)中，所述CPG模型(15)包含八个H-H神经元流水线模型(16)，CPG模型(15)两侧各四个，每个H-H神经元流水线模型(16)之间通过突触(17)连接，并且突触(17)由突触电流来模拟，所述突触电流产生方法与心肌细胞网络模型(7)中的突触电流模块(13)一样；CPG模型(15)接受上位机(2)通过输入数据总线(5)传递的输入数据信号(10)进行初始化，并接收由比较模块(25)作为输入，CPG模型(15)运算产生的CPG输出控制信号(21)输入到心肌细胞网络模型(7)中，同时存储到FPGA开发板(1)中CPG输出控制信号寄存器(20)，并通过USB接口(4)上传到上位机软件界面(3)进行波形显示和分析处理；
所述FFT变换模块(22)包括蝶形运算单元Ⅰ(33)、蝶形运算单元Ⅱ(34)和选择控制器(36)，采用硬件编程语言编写并编译下载到FPGA开发板(1)中，FFT变换模块(22)接收由上位机软件界面(3)通过输入数据总线(5)传递的存储在上位机(2)中的呼吸节律信号(9)，运算得到FFT变换后的呼吸节律信号(24)；同时FFT变换模块(22)接收存储在心肌细胞膜电位信号寄存器(18)中的心肌细胞膜电位信号(19)，运算得到FFT变换后的心肌细胞膜电位信号(23)，经过FFT变换模块(22)运算产生的FFT变换后的呼吸节律信号(24)和FFT变换后的心肌细胞膜电位信号(23)作为比较模块(25)的输入；
所述上位机软件界面(3)采用图形化编程的LabVIEW编写，并通过虚拟仪器架构VISA与FPGA开发板(1)的USB接口(4)相连实现数据通信，虚拟仪器架构VISA包含VISA打开，VISA关闭，VISA写入，VISA读取，VISA查找资源；上位机软件界面(3)通过VISA读取接收从FPGA开发板(1)USB接口(4)传输的由心肌细胞网络模型(7)和CPG模型(15)运算得到的动态数据；上位机软件界面(3)设置参数通过VISA写入输入到FPGA开发板(1)中，对心肌细胞网络模型(7)和突触电流模块(13)进行参数配置。
2.根据权利要求1所述的基于CPG的心肺节律同步控制实验平台，其特征是：所述突触电流模块(13)包含峰值检测模块(29)、突触权值矩阵(30)、衰减率(31)和突触电流逻辑运算模块(32)，通过突触权值矩阵(30)来实现不同细胞或神经元之间的耦合，突触权值矩阵(30)接收上位机软件界面(3)传递的输入数据信号(10)进行初始化配置；突触电流模块(13)接收心肌细胞膜电位信号(19)作为峰值检测模块(29)的输入，当峰值检测模块(29)检测到放电时，突触权值矩阵(30)被选择器(28)选中并经过突触电流逻辑运算模块(32)使得突触电流增量Ws并开始随时间衰减直至再一次峰值检测模块(29)检测到放电。
3.根据权利要求1所述的基于CPG的心肺节律同步控制实验平台，其特征是：所述初值模块(11)通过FPGA开发板(1)内部的输入数据总线(5)接收由上位机软件界面(3)传递的数据，对心肌细胞流水线模型(8)进行初始参数的配置，初值模块(11)通过接收上位机软件界面(3)赋予的不同参数，使心肌细胞网络模型(7)在运算时表现出不同的电位活动特性。
4.根据权利要求1所述的基于CPG的心肺节律同步控制实验平台，其特征是：所述心肌细胞流水线模型(8)接收初值信号(12)、突触电流信号(14)和CPG输出控制信号(21)作为输入，经过心肌细胞流水线模型(8)运算产生的心肌细胞的膜电位信号(19)和输入到FPGA开发板(1)内部心肌细胞膜电位信号寄存器(18)中存储；心肌细胞流水线模型(8)在一个数据路径中引入一组寄存器即能够实现多个细胞处理进程，引入寄存器的数目即为流水线深度；心肌细胞流水线模型(8)共有七条流水线数据通路(27)；存储在心肌细胞膜电位寄存器(18)中的心肌细胞膜电位信号(19)通过数据输出总线(6)上传到上位机软件界面(3)进行波形显示和分析处理；心肌细胞膜电位信号(19)的变化表示了心肌细胞的电位活动，并与神经元突触权值矩阵(30)和衰减率(31)一起用来计算突触电流信号(14)，实现心肌细胞之间的耦合作用。
5.根据权利要求1所述的基于CPG的心肺节律同步控制实验平台，其特征是：构成CPG模型(15)的一侧四个H-H神经元流水线模型(16)接收由比较模块(25)作为输入进行运算处理，经过构成CPG模型(15)的另一侧四个H-H神经元流水线模型(16)运算得到的输出作为CPG模型(15)的输出，H-H神经元流水线模型(16)都采用流水线结构，每个H-H神经元流水线模型(16)包含有四条流水线数据通路(27)。
CN201610012562.7A 2016-01-07 2016-01-07 基于cpg的心肺节律同步控制实验平台 Expired - Fee Related CN105631223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610012562.7A CN105631223B (zh) 2016-01-07 2016-01-07 基于cpg的心肺节律同步控制实验平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610012562.7A CN105631223B (zh) 2016-01-07 2016-01-07 基于cpg的心肺节律同步控制实验平台

Publications (2)

Publication Number Publication Date
CN105631223A CN105631223A (zh) 2016-06-01
CN105631223B true CN105631223B (zh) 2018-07-27

Family

ID=56046152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610012562.7A Expired - Fee Related CN105631223B (zh) 2016-01-07 2016-01-07 基于cpg的心肺节律同步控制实验平台

Country Status (1)

Country Link
CN (1) CN105631223B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169184A (zh) * 2017-05-04 2017-09-15 天津大学 基于FPGA的基底核网络beta节律仿真系统
CN109300547B (zh) * 2018-10-19 2021-06-22 江西理工大学 一种心脏Hodgkin-Huxley浦肯野纤维模型状态变迁的研究方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103691058A (zh) * 2013-12-10 2014-04-02 天津大学 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台
CN104112066A (zh) * 2014-08-18 2014-10-22 天津大学 基于fpga的癫痫状态闭环控制实验平台
CN104375878A (zh) * 2014-11-24 2015-02-25 天津大学 弱电磁刺激调制海马网络节律的fpga仿真系统
CN104615909A (zh) * 2015-02-02 2015-05-13 天津大学 基于FPGA的Izhikevich神经元网络同步放电仿真平台
CN104689473A (zh) * 2015-02-02 2015-06-10 天津大学 基于fpga的电刺激下神经元随机响应及共振实验平台

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103691058A (zh) * 2013-12-10 2014-04-02 天津大学 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台
CN104112066A (zh) * 2014-08-18 2014-10-22 天津大学 基于fpga的癫痫状态闭环控制实验平台
CN104375878A (zh) * 2014-11-24 2015-02-25 天津大学 弱电磁刺激调制海马网络节律的fpga仿真系统
CN104615909A (zh) * 2015-02-02 2015-05-13 天津大学 基于FPGA的Izhikevich神经元网络同步放电仿真平台
CN104689473A (zh) * 2015-02-02 2015-06-10 天津大学 基于fpga的电刺激下神经元随机响应及共振实验平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
交流外电场下映射神经元放电节律的分析;于海涛 等;《生物物理学报》;20101031;第26卷(第10期);第907-918页 *
基于平均场的全局耦合神经集群的去同步控制;张丹红 等;《天津理工大学学报》;20150630;第31卷(第3期);第12-15,21页 *

Also Published As

Publication number Publication date
CN105631223A (zh) 2016-06-01

Similar Documents

Publication Publication Date Title
Yang et al. Scalable digital neuromorphic architecture for large-scale biophysically meaningful neural network with multi-compartment neurons
CN104112066B (zh) 基于fpga的癫痫状态闭环控制实验平台
CN103691058B (zh) 帕金森病基底核-丘脑网络的深度脑刺激fpga实验平台
Yang et al. Cost-efficient FPGA implementation of basal ganglia and their Parkinsonian analysis
Ros et al. Real-time computing platform for spiking neurons (RT-spike)
CN104615909B (zh) 基于FPGA的Izhikevich神经元网络同步放电仿真平台
Smaragdos et al. FPGA-based biophysically-meaningful modeling of olivocerebellar neurons
Minkovich et al. HRLSim: A high performance spiking neural network simulator for GPGPU clusters
CN104375878A (zh) 弱电磁刺激调制海马网络节律的fpga仿真系统
Nere et al. Profiling heterogeneous multi-GPU systems to accelerate cortically inspired learning algorithms
CN107169184A (zh) 基于FPGA的基底核网络beta节律仿真系统
CN105631223B (zh) 基于cpg的心肺节律同步控制实验平台
Yang et al. FPGA implementation of hippocampal spiking network and its real-time simulation on dynamical neuromodulation of oscillations
Thibeault et al. A Novel Multi-GPU Neural Simulator.
CN105845001B (zh) 基于fpga的多电极阵列仿真实验平台
CN106407568A (zh) 结合有限元分析的帕金森状态下基底核刺激实时仿真平台
Wei et al. Multi-core ARM-based hardware-accelerated computation for spiking neural networks
Raghavan et al. GPUPeP: Parallel enzymatic numerical P system simulator with a python-based interface
Jin Parallel simulation of neural networks on spinnaker universal neuromorphic hardware
CN208889147U (zh) 基于fpga的电子突触实验平台
CN110414083A (zh) 一种Chay模型电子神经元和仿真平台
Smaragdos et al. Real-time olivary neuron simulations on dataflow computing machines
CN108563613A (zh) 一种利用计算机多维空间的数学建模方法
Hughes et al. NeuReal: An interactive simulation system for implementing artificial dendrites and large hybrid networks
CN107590360A (zh) 基于fpga的神经元离子通道动态特性实验平台

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Wang Jiang

Inventor after: Yang Shuangming

Inventor after: Chen Qi

Inventor after: Deng Bin

Inventor after: Wei Xile

Inventor after: Yu Haitao

Inventor after: Zhang Zhen

Inventor after: Li Huiyan

Inventor after: Che Yanqiu

Inventor before: Wang Jiang

Inventor before: Chen Qi

Inventor before: Yang Shuangming

Inventor before: Deng Bin

Inventor before: Wei Xile

Inventor before: Yu Haitao

Inventor before: Zhang Zhen

Inventor before: Li Huiyan

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180727

Termination date: 20220107

CF01 Termination of patent right due to non-payment of annual fee