一种体外神经网络构建装置和方法

1.本公开涉及生命科学，尤其涉及一种体外神经网络构建装置和方法。


背景技术：

2.人脑是宇宙中已知最复杂、最完善和最有效的信息处理系统。计算机的出现，替代人脑承担了很多繁重的科学和工程计算。随着科技的发展，研究者们也一直在致力于开发人工智能(ai)研究，即利用计算机来模拟人的思维过程和学习、推理、规划等智能行为。长期以来，人们不断地通过神经学、生物学、认知学、心理学、数学、电子学和计算机科学等对神经网络进行分析和研究，旨在了解人脑的工作机理及神经系统进行信息处理的本质，从而设计出具有类似大脑功能的智能系统来处理各种信息和解决问题。
3.人工神经网络即是在人类对其大脑神经网络认识理解的基础上人工构造的能实现某种功能的神经网络，是一种理论化的人脑神经网络的数学模型，一种基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。“机器学习”对“经验”的依赖性很强，计算机需要不断从解决一类问题的经验中获得知识，学习策略，这里需要大量的数据积累，对复杂的问题，计算机模拟的人工神经网络也需要较长的时间和能耗。


技术实现要素：

4.有鉴于此，本发明的主要目的在于提供一种体外神经网络构建装置和/或方法，所述方法和/或装置构建的体外人工生物神经网络，通过电刺激与计算机程序的结合，实现更高速更低能耗的学习训练。
5.基于上述目的，本发明提出如下的技术方案：
6.第一方面，本发明提出了一种体外神经网络构建装置，所述装置包括水凝胶支架、光电极阵列；
7.所述水凝胶支架上多孔，用于引导细胞发展形成三维体外神经网络；
8.所述光电极阵列插入水凝胶中，对构成神经网络的细胞进行光和/或电刺激，并记录细胞产生的信号。
9.优选地，在所述装置中，所述装置包括处理器；
10.在所述处理器上有能够被处理器加载并执行的计算机程序；
11.所述计算机程序用于对细胞进行训练。
12.优选地，在所述装置中，所述训练包括下述步骤：
13.s100、通过计算机程序，控制光电极阵列产生光和/或电信号，对细胞进行刺激；
14.s200、接收细胞在刺激后产生的信号；
15.s300、将所述信号反馈给计算机程序，以判断是否结束训练；
16.s400、若不结束训练，则继续控制光电极阵列产生光和/或电信号，对细胞进行刺激；返回s200。
17.优选地，在所述装置中，所述细胞为原代神经细胞或人源多能干细胞。
18.第二方面，本发明提出了一种体外神经网络构建方法，所述方法包括下述步骤：
19.s110、利用多孔水凝胶支架，引导细胞发展形成三维体外神经网络；
20.s210、将光电极阵列插入水凝胶中；
21.s310、通过计算机程序，控制光电极阵列产生的光和/或电信号，对构成神经网络的细胞进行刺激；
22.s410、接收细胞在刺激后产生的信号；
23.s510、将所述信号反馈给计算机程序，以判断是否结束训练；
24.s610、若不结束训练，则继续控制光电极阵列产生光和/或电信号，对细胞进行刺激；返回s410。
25.优选地，在所述方法中，所述细胞为原代神经细胞或人源多能干细胞。
26.与现有技术相比，本发明具有下述有益技术效果：
27.(1)利用水凝胶支架对细胞的长时培养，得到的三维神经网络，细胞活性良好，在光和/或电的刺激下能够给出良好的信号回馈，从而提高细胞的学习训练速度。
28.(2)体外生物神经网络具有复杂的信息处理能力，在利用程序对神经网络细胞进行训练时，训练速度快，且降低训练能耗。
29.(3)采用原代神经细胞或人源多能干细胞进行培养训练，有利于对人类大脑功能进行更深入的解析。
附图说明
30.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
31.图1、本发明一实施例中装置示意图；
32.图2、本发明中一实施例中水凝胶支架中三维培养的神经元细胞7天形成的神经网络示意图；
33.图3、一实施例中光电极刺激下的细胞响应示意图；
34.图4、本发明一实施例中发明流程示意图；
35.在图1中：1为基于水凝胶支架体外培养的神经网络；2为光电极阵列；3为能够运行训练程序的计算机端。
具体实施方式
36.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。
37.在本技术的描述中，需要说明的是，“连接”应做广义理解。
38.在实施例1中，使用了一种体外神经网络构建装置。所述装置包括水凝胶支架、光电极阵列；所述水凝胶支架上多孔，用于引导细胞发展形成三维体外神经网络。所述光电极阵列插入水凝胶中，对构成神经网络的细胞进行光和/或电刺激，并记录细胞产生的信号。
39.在上述实施例中，在体外培养细胞而形成的三维神经网络，是由生物体自发模拟
的“体外大脑”，不需要像计算机模拟的“大脑”需要大量的数据输入，因此学习速度比机器学习更快且更节能。可选地，所述细胞为原代神经细胞或人源多能干细胞，有利于对人类大脑功能进行更深入的解析。
40.在学习训练时，用植入式的光电极进行刺激和记录信号。为方便对细胞进行光和/或电信号进行有效控制，优选地，所述装置包括处理器；在所述处理器上有能够被处理器加载并执行的计算机程序；所述计算机程序用于对细胞进行训练。在实施例1中，采用带有处理器的计算机来运行计算机程序。在其它实施例中，可能为某种专用硬件，比如模拟电路、数字电路或专用电路等。
41.实施例1中的装置示意图如图1所示，在培养皿中放置水凝胶支架，先用水凝胶支架体外三维培养神经元细胞，待神经元细胞水凝胶支架引导下，分化成三维的体外神经网络，如图2所示，该图示意了水凝胶支架中三维培养的神经元细胞7天形成的神经网络。对培养好的体外神经网络，可以用光电极刺激和记录细胞的信号，连接计算机终端，在根据计算机程序里记录到的细胞的反馈给与细胞电刺激或光刺激进行训练，以使其能够解决一些简单或复杂的信息处理应用等。
42.在对体外神经网络进行训练时，以让体外神经网络细胞学习打砖块的小游戏为例。计算机程序可以根据小球位置控制光电极阵列给光刺激作为输入刺激神经细胞，然后电极记录信号收集神经细胞的反馈，作为输出，移动接球板形成闭环，从而对神经细胞进行体外学习训练。在光电刺激下的细胞的反馈示意图如图3所示。上述过程中，所述训练包括下述步骤：
43.s100、通过计算机程序，控制光电极阵列产生光和/或电信号，对细胞进行刺激；
44.s200、接收细胞在刺激后产生的信号；
45.s300、将所述信号反馈给计算机程序，以判断是否结束训练；
46.s400、若不结束训练，则继续控制光电极阵列产生光和/或电信号，对细胞进行刺激；返回s200。
47.上述装置中采用的体外神经网络构建方法，完整步骤如下，如图4所示：
48.s110、在培养皿中，利用多孔水凝胶支架，引导细胞发展形成三维体外神经网络；
49.s210、将光电极阵列插入水凝胶中；
50.s310、通过计算机程序，控制光电极阵列产生的光和/或电信号，对构成神经网络的细胞进行刺激；
51.s410、接收细胞在刺激后产生的信号；
52.s510、将所述信号反馈给计算机程序，以判断是否结束训练；
53.s610、若不结束训练，则继续控制光电极阵列产生光和/或电信号，对细胞进行刺激；返回s410。
54.由上述方法步骤可以看出，由神经元自身分化的神经网络可以形成丰富、复杂的神经网络，神经元细胞自身之间可以通过若干动作电位组成的放电序列进行通讯，这种体外神经网络只需要很少的输入数据就可以训练出较好的模型。相比基于计算机的人工神经网络学习，体外神经网络可以减少训练时间和能耗，尤其在解决复杂的问题时，这一优势更为明显。
55.尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的
具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。