2、神经网络学习理论：人类中枢神经系统的奥秘探索

神经网络学习理论：人类中枢神经系统的奥秘探索

1. 单神经纤维动作电位的记录与拆分

在手术中，我们可以通过特定的记录装置来获取神经纤维的动作电位。为了分析中枢神经系统（CNS）的功能，需要同时从多个单传入和传出神经纤维获取自然冲动模式。这就要求将神经根中多个传入和传出纤维的总冲动流量拆分为单个纤维的冲动模式。

拆分的方法是基于两个记录轨迹上的波形比较以及动作电位（AP）从一对电极传播到另一对电极（距离为 10mm）所需的传导时间，识别特定单纤维的 AP 并将其挑选出来。例如，图 3A 中的记录的总冲动流量被拆分为 5 个单传入和传出神经纤维的冲动模式（图 5）。

皮肤传入活动在触摸或针刺时也可以被拆分为不同单触摸和受体的自然冲动模式（图 6）。这些信息可以告知 CNS 外周的变化，类似的自然冲动模式还能告知 CNS 膀胱或肛管的变化，如膀胱充盈或导管牵拉（图 7）。

通过同时测量外周特定单受体产生的、传入脊髓（CNS）的自然冲动模式以及传出脊髓的模式，我们就有可能在细胞水平上分析脑死亡人类（HTs）基本未改变的 CNS 的整合特性，也能识别出 CNS 损伤导致的功能变化。

2. 人类外周神经纤维的分类

2.1 按传导速度和纤维直径分类

为了分析 CNS 的功能和神经网络学习，我们首先需要确定记录所来自的神经纤维的类型，因此需要一个人类外周神经纤维的分类方案。

单神经纤维的传导速度通过传导距离（电极对距离 = 10mm）和传导时间（某一 AP 在两对线电极记录轨迹上的时间差）计算得出。构建传入和传出纤维的速度分布，并将分布峰值与特定神经纤维组相关联。

从脑