相互作用的神经群体的识别:方法和统计考虑
Robert E Kass1,2,3, Heejong Bong3, Motolani Olarinre1,3
1Machine Learning Department, Carnegie Mellon University, Pittsburgh, Pennsylvania, United States.
Journal of neurophysiology
|July 19, 2023
概括
新的方法有助于分析神经群体之间的协调活动,这对于理解大脑电路至关重要. 本综述指导研究人员选择适合神经生理学研究的技术.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
背景情况:
- 记录技术的进步使多个神经元的同时监测成为可能.
- 焦点从单个神经元转移到神经群体和电路.
- 需要强大的方法来证明跨人口协调活动.
研究的目的:
- 审查分析神经群体间协调活动的方法.
- 提供有关不同方法的适用性和成功因素的指导.
- 讨论跨人口分析中的关键考虑因素.
主要方法:
- 分析方法的分类,分为六大组.
- 专注于高级别的动机和担忧,而不是技术细节.
- 讨论与方法选择和解释相关的交叉问题.
主要成果:
- 确定六种类型的方法来评估跨人群协调活动.
- 强调每个方法类别的优点和局限性.
- 讨论影响方法成功的关键因素.
结论:
- 选择适当的方法来分析神经群体协调对于电路神经科学至关重要.
- 了解方法的动机,担忧和局限性可以增强神经生理学研究.
- 解决人口定义,变化,动态和因果关系等问题是有效解释的关键.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.0K
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
15.0K
