一种扰动性方法来研究大脑网络中的信息通信
Varun Madan Mohan1, Arpan Banerjee1
1National Brain Research Centre, Manesar, India.
Network neuroscience (Cambridge, Mass.)
|May 27, 2024
概括
这项研究引入了一种新的网络分析方法,以了解大脑的通信和信息流. 该方法揭示了潜在的大脑结构如何影响网络动态和功能连接.
科学领域:
- 神经科学是一个神经科学.
- 网络科学 网络科学
- 计算生物学 计算生物学
背景情况:
- 了解神经元通信对于神经科学至关重要.
- 大脑的沟通源于节点活动和结构网络之间的相互作用.
- 当前的方法在描述复杂的大脑动态和网络动态相互作用时面临着挑战.
研究的目的:
- 开发一种方法来研究网络动态相互作用及其对信息流的影响,而无需事先的动态假设.
- 研究大脑信息流是如何从潜在的结构性质中产生出来的.
- 在神经科学背景下应用和验证基于扰动的网络分析方法.
主要方法:
- 为神经科学应用适应基于扰动的网络分析方法.
- 该方法应用于in silico全脑模型的概念验证.
- 分析网络动态相互作用,包括"净影响"和"流"指标,以及它们的功能影响.
主要成果:
- 证明信息流可以从大脑网络的结构性质中产生.
- 使用新型指标对网络动态交互的描述.
- 该方法应用于静止状态网络.
结论:
- 开发的方法提供了一种简单而有力的方法来研究大脑网络动态和信息流.
- 这种方法可以直接转化为实验和临床环境.
- 潜在的应用包括确定刺激研究和治疗干预的目标.
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
8.1K
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
10.2K
