×
普雷蒂·萨尔；哈特穆特·盖尔

一种通过突触学习将控制权从大脑转移到脊髓的模型。 （英语） Zbl 1489.92013年9月

J.计算。神经科学。 48，第4期，365-375页（2020年）.
小结：脊髓对控制有腿动物和人类的运动至关重要。然而，脊髓控制器的实际电路仍然只有模糊的了解。这里我们从学习的角度来探讨这个问题。更准确地说，我们假设电路是通过从大脑到脊髓的控制转移进化而来的，基于脊髓和大脑对肌肉控制的贡献之间的误差，提出了这种转移的特定学习机制，并在简化的人类运动神经肌肉模型中研究由此产生的脊柱控制器结构。该模型侧重于站立时的腿部反弹行为，并表示具有150个肌肉反射的脊椎回路。我们发现，在学习后，一种脊柱控制器已经进化出来，它在没有大脑中央输入的情况下产生腿部反弹运动，只有三个结构反射组。这些群体包含从生理实验中众所周知的个体反射，但被认为用于控制人类运动的不同目的。我们的结果表明，与通常情况相比，对脊髓网络中个体感觉投射的作用有了更全面的解释。此外，我们讨论了可能在实验中探索的拟议学习机制的潜在神经相关性。与这些实验一起，脊髓学习的神经肌肉模型很可能成为揭示脊髓控制电路结构和发展的有效工具。

MSC公司：

92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

脊髓；控制；学习；肌肉反射
PDF格式BibTeX公司 XML格式引用
\textit{P.Sar}和\textit{H.Geyer}，J.Compute。神经科学。48，第4号，365-375（2020；Zbl 1489.92013）
全文： DOI程序

参考文献：

[1] Ahn，序号；Guu，JJ；托宾，AJ；埃杰顿，VR；Tillakaratne，NJ，踏入完整成年大鼠后使用c-fos识别活动依赖性脊髓神经元，脊髓，44547-559（2006）
[2] Aoi，S。；Ohashi，T。；R.邦巴。；藤木，S。；田村，D。；Funato，T。；Senda，K。；伊万尼科，Y。；Tsuchiya，K.，基于肌肉协同假设，行走和跑步速度范围内运动控制参数发生少量变化的神经肌肉骨骼模型，科学报告，9，1，1-13（2019）
[3] 瑞士贝利；朱斯特托，M。；黄，YY；霍金斯，RD；坎德尔，ER，《异质突触调制对稳定赫布人的记忆力和记忆力至关重要》，《自然评论神经科学》，1，1，11-20（2000）
[4] 巴博，H。；Rossignol，S.，成年猫慢性脊柱化后运动的恢复，大脑研究，412，1，84-95（1987）
[5] 巴塞特，DS；杨，M。；韦姆布斯，NF；Grafton，ST，感觉运动系统的学习诱导自主性，《自然神经科学》，18，5，744-751（2015）
[6] Bertrand，S。；Cazalets，J-R，脊髓运动网络中活动依赖性突触可塑性和化塑性，当前药物设计，19，24，4498-4508（2013）
[7] Blickhan，R.，跑步和跳跃的弹簧质量模型，生物医学杂志。，22, 1217-1227 (1989)
[8] Brown，TG，关于神经中枢基本活动的性质；《生理学杂志》，48，1，18-46（1914）
[9] 陈，Y。；陈，XY；Jakeman，LB；Chen，L。；英国斯托克斯；Wolpaw，JR，“H反射的操作性条件反射可以纠正大鼠脊髓损伤后的运动异常”，《神经科学杂志》，26，48，12537-12543（2006）
[10] 科廷，G。；Gerasimenko，Y。；van den Brand，R。；Yew，A。；穆西恩科，P。；钟，H。；Song，B。；Ao，Y。；RM一山；拉夫罗夫一世。；罗伊，RR；索夫罗尼，MV；埃杰顿，VR，《大脑输入丧失后无功能脊髓回路向功能状态的转换》，《自然神经科学》，第12、10、1333-1342页（2009年）
[11] Dietz，V.，运动用脊髓模式发生器，临床神经生理学，114，8，1379-1389（2003）
[12] 多恩，TW；王，吉咪；希克斯，JL；Delp，SL，预测模拟在负重和倾斜行走过程中生成人体适应性，PloS one，10，4，e0121407（2015）
[13] 多扬，J。；加比托夫，E。；瓦达特，S。；欧·伦古。；Boutin，A.，《与人类运动序列学习相关的当前问题》，《行为科学的当前观点》，第20期，第89-97页（2018年）
[14] Dzeladini，F。；van den Kieboom，J。；Ijspeert，A.，《中枢模式发生器在基于反射的神经肌肉模型中的作用》，《人类神经科学前沿》，8，1-18（2014）
[15] 埃杰顿，VR；新泽西州Tillakaratne；大蜜蜂，AJ；de Leon，RD；Roy，RR，损伤后脊髓神经回路的可塑性，《神经科学年度评论》，27145-167（2004）
[16] O.埃克伯格。；Pearson，K.，猫后腿踩踏的计算机模拟：对调节姿势-摆动过渡的机制的研究，神经生理学杂志，94，64256-4268（2005）
[17] Forssberg，H。；Grillner，S。；Halbertsma，J.，《低脊椎猫的运动I.后肢内的协调》，《斯堪的纳维亚生理学报》，108，3，269-281（1980）
[18] Geyer，H。；Seyfarth，A。；Brickhan，R.，跳跃步态中的正力反馈？，英国皇家学会学报B：生物科学，27015292173-2183（2003）
[19] Geyer，H。；Seyfarth，A。；Blickhan，R.，柔顺腿行为解释了行走和跑步的基本动力学，伦敦皇家学会学报B，2732861-2867（2006）
[20] Geyer，H。；Herr，HM，《一个对腿部力学原理进行编码的肌肉放松模型产生人类行走动力学和肌肉活动》，IEEE神经系统与康复工程学报，18，3，263-273（2010）
[21] Gu̇nther，M。；Ruder，H.，《二维人体行走的合成：λ模型的测试》，生物控制论，89，89-106（2003）·Zbl 1084.92004号
[22] Haith，A.M.和Krakauer，J.W.（2013）。运动控制和运动学习的理论模型。劳特利奇运动控制和运动学习手册。
[23] Harkema，SJ，人类脊髓损伤后的神经可塑性：运动训练在步行康复中的应用，神经学家，7，5，455-468（2001）
[24] Haruno，M。；沃尔珀特，DM；Kawato，M.，用于感觉运动学习和控制的MOSAIC模型，神经计算，13，10201-2220（2001）·Zbl 0984.68151号
[25] Hase，K。；Yamazaki，N.，利用三维全身神经肌肉骨骼节点进行人体运动的计算机模拟研究，JSME国际期刊C系列机械系统、机械元件和制造，45，4，1040-1050（2002）
[26] Heess，N.、Sriram，S.、Lemmon，J.、Merel，J.，Wayne，G.、Tassa，Y.、Erez，T.、Wang，Z.、Eslami，S.M.A.、Riedmiller，M.和Silver，D.（2017）。在丰富的环境中出现运动行为。arXiv:1707.02286。
[27] Hubli，M。；Dietz，V.，《脊髓损伤后神经康复的生理基础——运动训练》，《神经工程与康复杂志》，2013年第10、1、5期
[28] Hultborn，H.，感觉反馈的状态依赖性调节，生理学杂志，533，1，5-13（2001）
[29] Ijspeert，AJ，《动物和机器人运动控制的中央模式生成器：综述》，《神经网络》，21，4，642-653（2008）
[30] Jankowska，E.（2013）。脊髓中间神经元。Pfaff，D.W.和Volkow，N.D.（编辑）《21世纪的神经科学：从基础到临床》，第30章（第1063-1099页）：施普林格。
[31] 卡瓦托，M。；Furukawa，K。；铃木，R.，控制和学习自主运动的层次神经网络模型，生物控制论，57，3，169-185（1987）·Zbl 0624.92009号
[32] 卡瓦托，M。；Gomi，H.，基于反馈误差学习的小脑四个区域的计算模型，生物控制论，68，295-103（1992）
[33] Kiehn，O.，《解码控制运动的脊髓回路组织》，《自然评论神经科学》，17，4，224-238（2016）
[34] 科尔，N.和斯通，P.（2004）。快速四足运动的策略梯度强化学习。参加IEEE机器人与自动化国际会议。2004年，诉讼。ICRA’04，（第3卷，第2619-2624页）。
[35] 马农蓬，P。；耿，T。；Kulvicius，T。；波尔，B。；Wȯrgo \775»tter，F.，《神经元控制和学习下双足机器人的自适应快速行走》，《公共科学图书馆·计算生物学》，第3、7、e134页（2007年）
[36] Markin，S.N.、Klishko，A.N.、Shevtsova，N.A.、Lemay，M.A.、Prilutsky，B.I.和Rybak，I.A.（2016年）。脊柱运动控制的神经力学模型。在Prilutsky，B.和Edwards，D.（Eds.）中，姿势和运动的神经力学建模。Springer计算神经科学系列（第21-65页）。纽约：斯普林格。
[37] Nakanishi，J。；Morimoto，J。；Endo，G。；Cheng，G。；沙尔，S。；Kawato，M.，从两足动物运动的演示和适应中学习，机器人和自治系统，47，79-91（2004）
[38] 尼尔森，JB；Sinkjaer，T.，人类步态控制中的传入反馈，肌电图和运动学杂志，12，3，213-217（2002）
[39] Pierrot-Desseilligny，E。；伯克，DC，《人类脊髓的电路：脊髓和皮质脊髓的运动机制》（2012），剑桥：剑桥大学出版社，剑桥
[40] 波德拉克，RA；Sabb，FW；Foerde，K。；汤姆，山猫；阿萨诺，RF；布克海默，SY；BJ Knowlton，《运动技能自动性的神经相关性》，《神经科学杂志》，25，22，5356-5364（2005）
[41] 波尔，B。；Wȯrgo \775；tter，F.，各向同性序列顺序学习，神经计算，15，4，831-864（2003）·Zbl 1022.68111号
[42] Prochazka，A。；Yakovenko，S.，神经机械调谐假说，脑研究进展，165，255-265（2007）
[43] Quilgars，C。；Bertrand，SS，脊髓运动回路中活动依赖性突触动力学，生理学当前观点，8，44-49（2019）
[44] 俄亥俄州雷内托。；Schwab，ME，不完全性脊髓损伤后运动系统的可塑性，自然评论神经科学，2，4263-273（2001）
[45] Rejc，E。；加利福尼亚州安吉丽；阿特金森，D。；Harkema，SJ，慢性运动性完全性截瘫患者脊髓硬膜外刺激活动训练后的运动恢复，科学报告，7，1，13476（2017）
[46] Rossignol，S.，成年哺乳动物中枢和/或外周损伤后运动恢复的联系可塑性，皇家学会哲学学报B：生物科学，361，1473，1647-1671（2006）
[47] 爱荷华州里巴克；北美谢夫佐娃；拉弗雷尼尔·鲁拉（Lafreniere-Roula，M.）。；McCrea，DA，《模拟与运动模式生成有关的脊髓回路：从虚拟运动中的缺失中获得的见解》，《生理学杂志》，577，Pt 2，617-639（2006）
[48] Seyfarth，A。；Gu̇nther，M。；Blickhan，R.，弹性三节腿的稳定操作，生物控制论，84，365-382（2001）·Zbl 1160.92303号
[49] Song，S。；Geyer，H.，《强调脊髓反馈的神经回路会产生人类运动的各种行为》，《生理学杂志》，593，16，3493-3511（2015）
[50] 斯图亚特·G。；北卡罗来纳州斯普鲁斯顿。；Häusser，M.，《树枝晶》（2016），牛津：牛津大学出版社，牛津
[51] 塔加，G。；Yamaguchi，Y。；Shimizu，H.，在不可预测的环境中通过神经振荡器对两足动物运动的自组织控制，生物控制论，65，3，147-159（1991）·Zbl 0734.92005号
[52] 汤普森，AK；Wolpaw，JR，《脊髓损伤后恢复步行：脊髓反射的操作性调节可能有帮助》，《神经学家》，21，2，203-215（2014）
[53] 瓦达特，S。；欧·伦古。；科恩·阿达德，J。；马尔坎德·鲍维特（Marchand-Pauvert，V.）。；贝纳利，H。；Doyon，J.，《同步脑-颈脊髓fMRI揭示运动序列学习过程中固有的脊髓可塑性》，《公共科学图书馆生物学》，13，6，e1002186（2015）
[54] 王，吉咪；哈姆纳，SR；德尔普，SL；Koltun，V.，《使用基于生物的致动器和目标优化运动控制器》，ACM图形事务，31，4，25（2012）
[55] Widrow，B.和Hoff，M.E.（1960年）。自适应开关电路。1960年IRE WESCON会议记录（第96-104页）。
[56] 伍尔帕，JR；Tennisen，AM，《健康与疾病中的活动依赖性脊髓可塑性》，《神经科学年度评论》，24,1807-843（2001）
[57] Wolpaw，JR，关于学习和记忆，脊髓能教我们什么？，《神经科学家》，16，5，532-549（2010）
[58] 沃尔珀特，DM；Kawato，M.，电机控制的多对正反向模型，神经网络，11，7-8，1317-1329（1998）
[59] 沃尔珀特，DM；Miall，R。；Kawato，M.，小脑内部模型，认知科学趋势，2，9，338-347（1998）
[60] 沃尔珀特，DM；Diedrichsen，J。；弗拉纳根，JR，《感觉运动学习原理》，《自然评论神经科学》，第12739-751页（2011年）
[61] 尤斯特，R。；Tank，DW，哺乳动物神经元中的树突整合，Cajal之后的一个世纪，Neuron，16，4，701-716（1996）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。