前言

脑科学近年已成为全世界科学研究的热点，脑科学的研究中强调“一体两翼”的思想。“一体”是指以阐释人类认知的神经基础为主体和核心。“两翼”一是指在大数据快速发展的时代背景下，根据大脑运作原理及机制通过计算和模拟进行人工智能研究；二是指大力加强对预防、诊断和治疗重大脑疾病的研究。

在各种脑疾病中，帕金森病是多发于中年老人的一种神经退行性疾病，随着老龄化社会的到来，帕金森病给社会和家庭带来了很大的负担，其治疗也引起了学者广泛的研究兴趣。早期帕金森病的治疗可以采用左旋多巴等药物手段，随着疾病的发展，中晚期帕金森病则需要采用深部脑刺激技术等手术疗法。目前，深部脑刺激技术已经被成功地应用到帕金森病等神经精神疾病的临床治疗中，但由于其治疗机制仍未完全清楚，还存在一些治疗局限，仍然达不到最优的治疗效果，还可能由此带来一些副作用和风险。

国内外学者采用很多方法对深部脑刺激技术的治疗效果进行优化，其中，最引人瞩目的一项是利用计算模型进行优化。采用计算模型模拟大脑的疾病状态，并基于模型设计最优的神经调控模式是目前计算神经科学领域研究的前沿问题。当前关于脑疾病的数学模型众多，但很多都不成系统，基于这种现状，本书将建模帕金森病的常用模型，从单个神经元到神经网络逐一进行详细的分析与介绍，包括单个神经元针对的建模场景、固有的动力学特性等。同时，基于大脑神经解剖结构建立刻画了正常状态及帕金森病状态的脉冲神经网络模型，包括经典的Rubin-Terman模型、皮层−基底核−丘脑闭环网络模型和一般情况下的功能网络模型。

针对模型的研究能揭示实验观察到的复杂电生理现象背后隐藏的脑疾病发病的生物物理机制，同时还能为外部刺激的优化提供测试平台，本书将控制理论的思想与神经科学相结合，针对脑疾病数学模型高维度、高复杂性的特点，将机器学习中不依赖于模型具体动态的强化学习算法引入对模型建模的病理性状态的调控中，设计了获取最优神经调控模式的控制方法。

本书在编写过程中得到了天津大学王江教授实验室的大力支持，王江教授对本书提出了许多宝贵的意见和建议，在此深表感谢。天津大学博士研究生樊亚琴和硕士研究生黄默媛参与了本书部分内容的编写和修改工作，在此一并致谢。由于时间仓促，书中难免出现一些纰漏，欢迎各位专家、读者给予批评和指正。

著者