在小鼠视觉皮层中的信息理论梯度流
Erik D Fagerholm1, Hirokazu Tanaka2, Milan Brázdil1
1First Department of Neurology, St. Anne's University Hospital and Faculty of Medicine, Masaryk University, Brno, Czechia.
Frontiers in neuroinformatics
|November 17, 2025
概括
研究人员开发了一个新的数学框架来分析神经活动如何在大脑区域之间转化. 这种方法通过测量和预期的变化来量化信息流,提供对大脑组织的见解.
科学领域:
- 计算神经科学是一种计算神经科学.
- 信息理论是信息理论.
- 神经成像分析分析神经成像分析
背景情况:
- 神经活动的特点是不断演变的概率分布.
- 了解这些分布在皮层区域之间的转换对于破译大脑信息处理至关重要.
研究的目的:
- 开发一个数学框架来量化神经信号转换.
- 通过信息理论概念来解释这些转换.
主要方法:
- 开发了信息理论梯度流来模型神经概率分布变化.
- 将框架应用于来自小鼠视觉皮层的成像数据.
- 验证了框架的有效性 *in silico*.
主要成果:
- 在小鼠中确定了面向侧面区域和初级视觉皮层之间的一致的双向信息流.
- 证明了和预期贡献可以明确地描述信息流.
- 展示了框架分析神经概率分布动态的能力.
结论:
- 引入了一个可通用的框架来分解神经信号转换.
- 该方法提供可解释的信息理论组件,用于分析皮质通信.
- 适用于各种神经成像模式和尺度,以理解信息几何.
