Aug, 2017

神经记录数据的连通性推断：挑战，数学基础与研究方向

PDF
TL;DR本文综述了从多电极记录或荧光成像获得的神经活动数据中推断连通性的计算方法，探讨了描述性无模型方法和生成性基于模型方法两个数学基础，并分析了代表性研究，最后指出了关键性的未解决问题和可能的研究方向。
connectivity inferenceneural activity datamulti-electrode recordingsfluorescence imagingcomputational methods
发现论文，激发创造
  • 基于多元时间序列的网络推断与置信度

    本文描述了一种从多元时间序列数据中推断功能连接网络的基本和系统化过程，旨在解释不确定性网络度量带来的不确定性，并展示了其在模拟数据和人体神经数据中的可靠性。

    Mar, 2009

  • 利用大规模神经影像数据集创建连接组约束方法，以实现更加稳健、高效和适应性人工智能

    利用大型神经成像数据集中的连接性图谱等手段，改善边缘端机器学习的效率和鲁棒性，并通过对果蝇和哺乳动物视脑回路连接等领域的分析，展示了多种潜在的应用脑科学领域洞见的方法。

    May, 2023

  • 大规模神经科学中的简单与复杂

    本文回顾了大规模神经科学研究中的技术和数据分析方面的缺陷，并提出了新的理论框架与方法以促进神经科学概念的进一步发展。

    Mar, 2015

  • 通过扰动神经网络推断有效连接性：基于合成脑电图数据的证据

    通过扰动训练好的神经网络来推断有效连接性（effective connectivity），以揭示人工神经网络预测未来系统动态的潜在因果结构。

    Jul, 2023

  • 基于差分方程的数据驱动脑活动建模方法

    该研究针对从不完全数据中提取方程的创新任务，摆脱传统用于完整解决方案的方法，解决了从数据中提取方程的挑战，特别是在使用电生理数据研究脑活动时，通常受到不充分信息的限制。该研究在建模脑活动的背景下，对现有的开源方程推导方法进行了简要回顾。接下来的部分介绍了一种新的算法，该算法利用不完全数据和先前的领域知识来恢复微分方程，并通过在合成数据集和真实数据集上的应用展示了该算法在现实世界场景中的实用性。

    Apr, 2024

  • 基于电生理数据的神经元相互作用映射和预测的储备计算模型

    用电生理测量数据构建了计算模型，基于储水池计算网络（Reservoir Computing Network，RCN）架构，通过预测网络连接性地图和局部刺激的网络响应来重构神经元网络结构。

    Nov, 2023

  • 学习神经生物网络中功能连接组的动态表示

    使用无监督方法从脑内活体神经元跟踪中学习动态亲和力，揭示神经元在不同时间形成的群体互动，进而构建动态功能连接图。

    Feb, 2024

  • 脑协方差选择：利用群体先验改进个体功能连接模型

    通过建立整个脑部的概率模型，利用群体数据来推断个体的脑连接结构，进而探索大规模的功能结构，以及首次展示已知的认知网络是如何成为功能连接图的集成社团的。

    Aug, 2010

  • 构建基于时空预测的脑数据表示模型

    通过比较深度学习和几何深度学习的各种建模技术来为未来的研究铺平道路，以有效利用典型的 fMRI 数据集以及其他类似数据集的丰富的时空域，从而为人们对健康和疾病中大脑动态的更加细致的理解、以及减少对专业临床专家的需求提供方法。

    Feb, 2020

  • 人工神经网络探究：来自神经科学的启示

    这篇文章探讨从神经科学角度出发，在进行机器学习的探索性研究时，通过指定研究目标且明确探针设计的方向和表现性来实现对于感兴趣特征激活模式的监督模型

    Apr, 2021