Modeling spike-wave discharges by a complex network of neuronal oscillators

Abstract

SWDs can be generated by changes in network organization. It is proposed that a specific pathological architecture of couplings in the brain is necessary to allow the transition from normal to epileptiformic activity, next to by others modeled and reported factors referring to complex, intrinsic, and synaptic mechanisms.

The Modeling of Spike-Wave Discharges in Brain with Small Oscillatory Neural Networks

“…При этом число нейронов было редуцировано в каждой из популяций до минимума, так что у нас число интернейронов N IN = 1, число пирамид N PY = 4, число ретикулярных клеток N RE = 4 и число таламокортикальных клеток N TC = 4. Кроме того, следуя [10] в систему был введён внешний вход, моделирующий тройничный нерв (один нейрон, обозначенный далее как NT, N NT = 1); в целях минимизации размера модели он представлялся единственным нейроном, так что общее число нейронов в системе было…”

“…Также и ретикулярные клетки воздействуют на пирамиды и таламокортикальные клетки. Кроме того, были наложены дополнительные условия, вызванные необходимостью максимально использовать имеющиеся модельные нейроны, так как их очень мало по сравнению с известными сетевыми моделями [10,22]: несвязанные нейроны, а также нейроны, имеющие только исходящие связи или только входящие связи, были запрещены. Также все нейроны пирамид должны были влиять друг на друга прямо или опосредованно, аналогично и ретикулярные клетки.…”

“…От моделей, где переход между режимами нормальной и эпилептиформной активности осуществляется за счёт переключения между аттракторами (мультистабильность), как в [7], предложенная модель отличается также тем, что эпилептиформной активности в ней не соответствует никакое устойчивое многообразие, благодаря чему модель демонстрирует самопроизвольное прекращение разрядов, как это в настоящее время предполагается на основе анализа экспериментальных данных [14,15]. Использование переходного процесса для моделирования пик-волновых разрядов также позволяет решить вопрос о неполной регулярности колебаний, когда основной ритм сохраняется, но каждая осцилляция отличается от других, что невозможно в моделях, основанных на переключении между аттракторами без использования шума, как это было сделано в большой сетевой модели в [10]. Естественным образом также решается вопрос о различиях в длительности пик-волновых разрядов, поскольку длительность разряда по времени зависит от того, в каком месте система вышла в сгущение фазовых траекторий после окончания внешнего воздействия со стороны нейронов тройничного нерва.…”

“…Этот существенный недостаток заложен в модели нейронных ансамблей по построению и не может быть преодолён. Для его преодоления появились сетевые модели, в которых каждой структуре мозга соответствует достаточно большое число модельных клеток [9,10]. Однако механизмы перехода между нормальным и патологическим состояниями в таких больших моделях изучить очень проблематично из-за большой размерности и большого числа параметров.…”

Link Prediction Investigation of Dynamic Information Flow in Epilepsy

“…Certain structure affects network function, and small-worldness topology refers to quick information integration and requires neural remodeling [ 6 ]. As a cooperative element, pathological condition might stem from disconnection or rearrangement in the brain [ 7 – 9 ]. Investigation of pathological brain architecture changes aids in not only clinical diagnosis and early warning, but also mechanism discovery.…”