随着深度脑刺激(Deep Brain Stimulation,DBS)在帕金森疾病(Parkinson’s Disease,PD)治疗中的应用和发展,其作用机制和性能优化已经成为当前研究的热点问题之一。目前DBS临床一般采用开环方法持续向大脑亚皮层区域传递高频恒幅电脉冲,刺激信号不包含任何反馈信息,不能实现个性化、适应性、能量最优的治疗。因此本文研究帕金森状态的模型建立、刺激机制刻画、能耗优化等关键问题,以期构建闭环DBS系统。大脑皮层-基底核-丘脑神经回路是与运动功能相关的主要神经核团,其神经退化改变了神经核团的放电模式,阻碍了基底核(Basal Ganglia,BG)正常的生理功能,从而导致了帕金森状态。本文根据BG生理解剖结构和动态行为特征,建立神经元和神经网络水平的计算模型,刻画不同状态下BG的放电行为,描述多巴胺的缺失对其放电行为产生的影响,揭示帕金森状态的生物物理机制。对建立的计算模型施加各种形式的DBS,研究大脑皮层-基底核-丘脑网络不同的放电模式,建立DBS与BG放电的关系,获得优化DBS的性能指标,探索DBS改善帕金森状态的机制。研究发现DBS以局部抑制性、远端效应、去同步和共振等方式影响BG的放电行为。为了探讨闭环DBS的特点,以丘脑核团为对象进行研究。丘脑核团的中继可靠性是描述帕金森状态的一个定量标准,据此标准,构建丘脑核团放电的闭环控制,揭示DBS的闭环机制。本文建立DBS作用下的丘脑神经元模型,构建一种慢变量反馈的闭环DBS,不仅实现了异常丘脑神经元对期望波形的零误差快速跟踪,而且证明了闭环DBS能鲁棒地抑制神经系统内部参数的变化;其低幅值、平稳变化的刺激波形证明了闭环算法的有效性。为了克服开环DBS的高能耗且波形无特异性等缺点,基于建立的BG网络刺激-响应模型,以局部场电位为反馈,构建闭环DBS。采用广义预测、神经元自适应等控制算法实现帕金森状态的闭环调制。通过仿真分析,发现所提方案能够实时自动调整输出波形,降低传统开环DBS恒定的能量损耗,从而延长DBS电池的寿命,降低频繁更换电池的手术副作用和危险。本文所提出的模型、算法可以应用到临床研究,为DBS治疗神经系统疾病提供了新思路。