Neuronalne Oscylacje: Model Kuramoto rytmów mózgu

Neuronal rytmy to populacje, a nie pojedyncze neurony

Elektroencefalograf (EEG) nie rejestruje pojedynczego neuronu – rejestruje on synchronizowany sumaryczny pobudzanie milionów neuronów. Symulacja ta modeluje tę synchronizację przy użyciu modelu Kuramoto, standardowego narzędzia matematycznego do analizy oscylatorów sprzężonych: każda jednostka posiada własną naturalną częstotliwość, a jednostki wpływają na fazę innych poprzez termin oddziaływania. Głównym wynikiem, który został po raz pierwszy zaprezentowany przez Yoshiki Kuramoto w 1975 roku, jest to, że powyżej określonej wartości współczynnika oddziaływania populacja niezależnych oscylatorów o rozpięciu naturalnych częstotliwości spontanicznie zamyka się w jednym rytmie – dokładnie taki rodzaj dużej skali synchronizacji, którą wykrywają elektrody EEG jako czysty falowy mózg.

dθ_i/dt = ω_i + (K/N) · Σ_j sin(θ_j - θ_i)
// θ_i: phase of oscillator i    ω_i: its natural frequency
// K:   coupling strength        N:  number of oscillators
// order parameter r·e^{iψ} = (1/N)Σ e^{iθ_j} measures synchrony (0..1)

Klasyczne pasma częstotliwości

Dopasowując średnią naturalną częstotliwość i siłę współbieżności każdej populacji, odtwarzasz pięć kanonicznych pasm EEG, które neurobiolodzy nazywają na podstawie częstotliwości: delta (0.5–4 Hz, głęboki sen i stany falowe o niskiej amplitudzie), teta (4–8 Hz, senność i kodowanie pamięci), alfa (8–13 Hz, zrelaksowany stan czuwania z zamkniętymi oczami, najsilniejszy nad korteksem wzrokowym), beta (13–30 Hz, aktywna koncentracja i planowanie motoryczne) i gamma (30–100+ Hz, związane z wiązaniem cech i skoncentrowanym uwagą). Żadne z tych pasm nie jest pojedynczą czystą falą sinusoidalną w rzeczywistym mózgu – są to dominujące szczyty w hałaśliwym spektrum mocy, dlatego wynik tego symulowania przypomina bardziej EEG, gdy sumujesz kilka współbieżnie połączonych populacji, niż gdy rysujesz jedną czystą oscylator.

Synchronizacja jako parametr uporządkowania

Trudność Kuramoto polegająca na mierzeniu i definiowaniu "stopnia synchronizacji" populacji pochodzi z traktowania każdej oscylatora fazy jako punktu na okręgu jednostkowym oraz uśredniania wynikowych wektorów. Wielkość tego uśrednienia, czyli parametr uporządkowania r, mieści się w przedziale od 0 (fazy rozrzucone losowo, brak skoherentnego sygnału) do 1 (każdy oscylator w idealnym rezonansie, silna skoherentna fala). Poniżej krytycznego współbiegu K_c populacja znajduje się blisko r ≈ 0 – nieskoherentne, indywidualnie szumowe pobudzenia, które nie sumują się w sposób wykrywalny przez elektrodę. Po przekroczeniu K_c rośnie odsetek oscylatorów, którzy synchronizują swoje fazy, r wzrasta i powstaje rytm makroskopowy z mikroskopijnego chaosu – bez centralnego sterownika – synchronizacja jest emergentną, samorganizowaną właściwością wynikającą z współbieżności, a nie czymś narzuconym z zewnątrz.

Dlaczego to ma znaczenie klinicznie

Rzeczywiste rytmy mózgu nie są jedynie ciekawostkami – ich równowaga jest diagnostyczna. Nadmiarowe, niskofrekencyjne synchronizacje (dominuje delta/teeta, gdzie powinny występować alfę lub bety) wskazują się w encefalopatii i niektórych demencjach; patologicznie silna synchronizacja pasma bety w zalegeniach stanowi charakterystyczny objaw choroby Parkinsona i jest celem terapii głębokiego stymulowania mózgu, która działa częściowo poprzez zakłócanie tej synchronizacji; a hipersynchroniczne pobudzenia w dużej populacji kortikalnej są zasadniczo definicją padania. Ramka Kuramoto, pomimo bycia drastycznym uproszczeniem rzeczywistej fizjologii mózgu, uchwyca kluczowy mechanizm wspólny dla wszystkich tych przypadków: synchronizacja jest pokrętłem, siła sprzężenia ją przesuwa, a zarówno zbyt mała, jak i nadmierna synchronizacja są patologiczne.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Neural Oscillations i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.