タスク駆動ニューラルネットワークモデルは,自己受容のニューラルダイナミクスを予測する

科学分野:

• 神経科学
• 計算神経科学
• システム神経科学

背景:

• 身体の位置と動きの感覚は 感覚ニューロンに依存していますが 神経処理の原理は不明です
• キュネア核 (CN) と体感皮質領域2 (S1) は,プロイオセプティブ情報の処理に関与する重要な脳領域である.

研究 の 目的:

• タスク駆動モデリングのアプローチを使用して,CNとS1のプロイオセプティブ処理の神経コードを調査する.
• 自身の知覚に関連した神経活動パターンを最もよく説明する計算上の目標を特定する.

主な方法:

• 筋骨格モデルを使って 筋肉のシグナルをシミュレートして 総合的な運動レパートリーを作成します
• 異なる計算目的を表す16の異なる仮説に基づいた訓練されたニューラルネットワーク.
• 合成データを用いて霊長類 CN と S1 の神経動態を予測するモデルの能力を検証した.

主要な成果:

• 合成データから派生したタスク最適化された内部表現は,CNとS1の両方で神経動態を成功裏に予測しました.
• 末端の位置と速度を予測する計算タスクは 神経活動の説明において最も高い精度を示した.
• ニューラル表現は 積極的な動きの際に 積極的な動きと比較して 活動の予測を良くしました

結論:

• 脳のプロピオセプションの処理は 活発で目標に導かれた運動中に 肢体の状態を予測するのに最適化されています
• CNとS1の神経活動は,自発的な動きの間に上から下への信号によって調節される可能性があります.
• この研究は 自身の知覚のための 神経コードの基礎にある 計算原理の洞察を提供します