在短暂的神经事件期间,信息理论测量了因果影响的因果影响
Kaidi Shao1,2,3, Nikos K Logothetis1,2,4, Michel Besserve2,5
1International Center for Primate Brain Research (ICPBR), Center for Excellence in Brain Science and Intelligence Technology (CEBSIT), Chinese Academy of Sciences (CAS), Shanghai, China.
Frontiers in network physiology
|June 16, 2023
概括
研究人员开发了一种新方法,以了解短暂事件期间的大脑协调. 相对动态因果强度准确地测量了网络相互作用,推进了神经数据科学.
科学领域:
- 神经科学是一个神经科学.
- 复杂的系统复杂的系统.
- 数据科学数据科学数据科学
背景情况:
- 短暂的现象对于协调不同规模的大脑活动至关重要.
- 了解这些事件的机制是神经科学中的一个重大挑战.
- 在短暂事件期间描述网络相互作用是神经数据科学的关键.
研究的目的:
- 调查基于信息理论的因果强度指标的理论和经验性质.
- 解决现有措施的局限性,如转移和瞬态事件的动态因果力.
- 引入和验证一种用于分析神经时间序列的新型因果强度测量方法.
主要方法:
- 使用的结构因果模型及其图形表示.
- 应用信息 基于理论的因果强度指标.
- 介绍并评估了相对动态因果强度的相对动态因果强度.
主要成果:
- 确定了转移和动态因果强度对短暂神经事件的限制.
- 证明了新型相对动态因果强度测量的好处.
- 使用模拟和实验记录的神经时间序列验证了新的测量.
结论:
- 相对动态因果强度的测量可以更好地描述短暂现象期间的网络相互作用.
- 这些发现与当前对潜在大脑电路的理解一致.
- 这项工作为神经数据科学在研究大脑协调方面提供了宝贵的工具.
更多相关视频
10:19Induction of an Isoelectric Brain State to Investigate the Impact of Endogenous Synaptic Activity on Neuronal Excitability In Vivo
Published on: March 31, 2016
8.2K
05:59Author Spotlight: Unlocking New Insights in fNIRS Studies - A Novel Framework for Inter-Brain Synchrony Analysis
Published on: October 6, 2023
2.6K
