|
Fig.1 Deep learning model for upstream and downstream brain regions
在湍流实现信息在脑区皮层间流动的假设前提下,在不同脑区皮层间信息传递有一个湍流临界值的假设前提下,在上游脑区更加理智高阶而下游脑区更具有情绪记忆建立深度学习模型的假设前提下,我基于湍流反向的深度学习模型可以解释阿尔兹海默症的十三种现象。
考虑上游脑区信号简单和高阶理性学习,下游脑区信号复杂和具有更多的情绪记忆,通过上下游脑区深度学习模型结合大脑下游脑区湍流反向解释阿尔兹海默症的机理。包括:
无法获取上游脑区记忆印记(神经元);本皮层突触丢失、本皮层突触抑制兴奋反转、本皮层记忆印记抹平;错误提取下游脑区冗余记忆印记出现幻觉、易怒、抑郁;缺少免疫细胞的神经炎症进而影响突触权重、大概率伴随动脉粥样硬化导致心脏收缩压高血压的脑内湍流反向、大概率伴随心衰的下游脑区湍流反向;海马体逐渐萎缩和变硬、昼夜节律紊乱、仿真结果会出现认知障碍。
另外,按以上对肝肾心脑模型对阿尔兹海默症分析,我们要考虑调节失眠的药物和食物、恢复肝功能的药物和食物、恢复肾功能的药物和食物、预防动脉粥样硬化导致的收缩压高血压的药物和食物、预防心衰的药物和食物、治疗抑郁的药物和食物、促进脑代谢的药物和食物及有氧运动,有助清除脑动脉和导管的垃圾和毒素,可能这对早期阿尔兹海默症有效。
以上研究仅供参考,患者需要根据自身情况和医生诊断开具药方为主。
Fig.2 Memory Consolidation
Fig.3 Memory Loss
Fig.4 Artificial multiple cortexes Heart-Brain model flowchart
Fig.5 Cerebral artery, from 《Gray's Atlas of Anatomy 3rd Edition》
具体见公众号CreateAMind的文章:
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-23 09:49
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社