اهمیت زمان‌بندی و نرخ اسپایک در مدل گیرنده‌ی مکانیکی Merkel

مقدمه: حس لمس، نقش مهمی در تعاملات ما با محیط اطراف دارد. بازوهای مکانیکی، ربات‌ها و پروتزهای عصبی، با داشتن حس لمس عملکرد بهتری خواهند داشت. مطالعات میکرونوروگرافی در انسان‌ها، نشان داده است که نورون‌های آوران اولیه مانند گیرنده‌های مکانیکی نوک انگشت، نقش مهمی در کدگذاری و تفکیک‌پذیری انواع مختلفی از تحریک‌ها با استفاده از الگوهای قطار اسپایک دارند. روش‌ها: یک روش آزمایشگاهی برای شبیه‌سازی پاسخ‌های گیرنده‌ی تطابق آهسته‌ی نوع i به تحریک نیرو با در نظر گرفتن رفتار اسپایکی، به کار گرفته شده است. در واقع، برای تشخیص نیرو، از داده‌های حسگر و ویژگی اسپایکی استفاده گردید. سیگنال آنالوگ حسگر، به عنوان جریان ورودی به مدل نورونی izhikevich به منظور به دست آوردن قطارهای اسپایک اعمال شد. ویژگی‌های قطارهای اسپایک با کدگذاری نرخی و کدگذاری زمان‌بندی اسپایک استخراج شد. ویژگی‌های مورد نظر، به طبقه‌بندی کنند‌ه‌ی k-nearest neighbor (knn) و support vector machines (svm) جهت طبقه‌بندی انواع نیروها داده شد. یافته‌ها: بالاترین دقت طبقه‌بندی ویژگی کدگذاری نرخی با درستی 100 درصد، ویژگی‌های inter-spike intravel coefficient of variation (isi cv) با درستی 81.18 درصد و victor-purpura distance (vpd) با درستی 82 درصد به دست آمد. همچنین، با استفاده از قطارهای اسپایک حاصل از نیروی تماس اطلاعات متقابل، کدگذاری نرخی و کدگذاری زمانی نیز محاسبه شد. نتیجه‌گیری: ارسال اطلاعات با روش کدگذاری نرخی از کدگذاری زمان‌بندی اسپایک در تحریک گیرنده‌ی مکانیکی merkel بیشتر است. همچنین، با افزایش نیرو، میزان آتش کردن گیرنده‌ی مکانیکی merkel نیز افزایش می‌یابد.