Implantable CMOS probes for high resolution Electrical Imaging of Local Field Potentials Across the Rat Barrel Cortex in vivo
本研究提出一种基于配备256位点、15μm分辨率高密度阵列的新型植入式神经接口的局部场电位体内电成像方法，可用于分析大鼠体感皮层单个桶柱中胡须诱发活动的传播，为神经元网络研究提供支撑。
2025-03-19 physics.ins-det physics.med-ph q-bio.NC
The Dynamic Shift of Neuron Excitability Observed with Enveloped High Frequency Stimulation
已知神经元兴奋性会受到经颅电刺激的影响。但由于皮层同时存在兴奋性和抑制性神经元，神经元兴奋性漂移的机制尚不清楚。在此，我们研究了电刺激对急性大鼠神经肌肉系统神经元兴奋性的影响。我们设计了一种特殊的包络高频刺激（EHFS）刺激波形。通过建模和体内测量，证实了EHFS使正负电极处的神经元募集同步。EHFS的这种独特的同步特性放大了电刺激对神经元兴奋性的干扰，使得能够宏观观察力输出的大幅增加和减少。通过消除皮层中复杂的抑制性中间神经元效应，我们对神经肌肉系统的观察支持了这样的论点，即电刺激通过在阳极刺激期间诱导去极化和在阴极刺激期间诱导超极化来动态地改变神经元的兴奋性。
2019-08-22 q-bio.NC
Hierarchical Coupled Geometry Analysis for Neuronal Structure and Activity Pattern Discovery
随着神经科学实验方法的最新进展，记录清醒动物体内神经元活动的能力已经变得可行。这种丰富而详细的生理测量的可用性要求开发先进的数据分析工具，因为常用的技术不足以捕捉时空网络的复杂性。在本文中，我们提出了一个新的层次耦合几何分析，它利用了隐藏的连接结构之间的神经元和动态模式在多个时间尺度。我们的方法产生了数据驱动的层次数据结构中的神经元和动态模式的联合组织。这些结构提供了从局部到全局的数据表示，从灵活的树中的数据的局部分区到新的多尺度度量到全局流形嵌入。我们的技术在体内神经元记录的应用表明提取神经元活动模式和识别时间趋势的能力，与特定的行为事件和实验中引入的操作。
2015-11-06 q-bio.NC q-bio.QM stat.ML
In vivo whole-cell recording from morphologically identified mouse superior colliculus neurons
在体内全细胞记录结合生物胞素标记后的形态学表征是一个强大的技术，研究阈下突触处理的细胞类型确定的神经元群体。在这里，我们提供了一个循序渐进的程序进行全细胞记录在上丘的麻醉小鼠，在啮齿动物大脑中的主要视觉处理区域。描述了两种类型的视觉刺激方法。虽然我们专注于上丘神经元，但该协议适用于其他大脑区域。
2022-09-19 q-bio.NC q-bio.QM
Neuronal avalanches imply maximum dynamic range in cortical networks at criticality
自发性神经元活动是大脑皮层的普遍特征。它的时空组织反映了过去的输入和调制未来的网络输出。在这里，我们研究一种特定类型的自发活动是否是由一个为输入处理而优化的网络产生的。神经元雪崩是一种在体外和体内观察到的皮层浅层自发活动，具有“临界状态”网络的统计特性。理论预测，临界状态，因此，神经元雪崩是最佳的输入处理，但到目前为止，这是在实验中未经检验。在这里，我们使用平面微电极阵列上生长的皮层切片培养物来证明产生神经元雪崩的皮层网络受益于最大化的动态范围，即响应最大范围刺激的能力。通过改变文化中的兴奋和抑制的比例，我们推导出一个网络调谐曲线的刺激处理的距离的函数与我们的模拟预测的临界状态。我们的研究结果表明，在皮层中，（1）平衡的兴奋和抑制建立了临界状态，这最大化了可以处理的输入范围;（2）自发活动和输入处理在临界现象的背景下是统一的。
2009-11-09 q-bio.NC
Subthreshold moment analysis of neuronal populations driven by synchronous synaptic inputs
本文用相关跳过程建模突触输入，结合排队论不动点方法对电导型神经元作广义矩分析，证明微弱非零同步性可解释阈下电压协方差与偏度。
2025-03-17 q-bio.NC
A Single-Equation Approach to Classifying Neuronal Operational Modes
提出一种含非线性系数的简化多项式模型，通过最小非线性系数的符号与大小解释神经元重合检测与整合两种操作模式的转换，为神经编码及电生理功能障碍疾病提供新见解。
2025-11-03 math.DS q-bio.NC
The balance between excitation and inhibition controls the temporal organization of neuronal avalanches
神经元雪崩，在体外和体内测量，表现出强大的临界行为。它们的时间组织隐藏了相关性的存在。在这里，我们提出了在体外大鼠皮层连续雪崩之间的等待时间分布的实验测量。这表现出一种非单调的行为，在其他自然过程中通常不会发现。数值模拟提供的证据表明，这种行为是一个结果的交替状态的高和低的活动，命名为向上和向下的状态，导致一个平衡的兴奋和抑制之间的控制由一个单一的参数。在这些期间，单个神经元状态和网络兴奋性水平，保持过去活动的记忆，由稳态机制调整。
2012-04-27 cond-mat.stat-mech q-bio.NC
Neuronal avalanches of a self-organized neural network with active-neuron-dominant structure
神经元雪崩是一种自发的神经元活动，其服从指数为-3/2的群体事件大小的幂律分布。在皮质浅层中观察到\emph{in vivo}和\emph{in vitro}。本文分析了一种新的具有主动神经元主导结构的自组织神经网络的信息传输。在适当的输入强度下，可以观察到神经元雪崩。我们发现，通过尖峰时间依赖可塑性的网络学习过程大大增加了网络结构的复杂性，最终自组织为活跃神经元主导的连接。当网络动力学以神经元雪崩的形式传播时，活动模式的熵和它们产生的突触后输入的复杂性都最大化。这种涌现的拓扑结构有利于高效率的信息传输，也可能是该网络与具有不同神经连接的替代原型网络相比具有更大信息容量的原因。
2012-04-30 nlin.AO q-bio.NC
Heterogeneity and dynamics of cortical populations coding visual detection
先前的研究已经证明了初级感觉皮层对于视觉刺激的检测、辨别和意识的重要性，但是尚不清楚该区域的神经元群体如何以不同的方式处理检测到的和未检测到的刺激。关键的差异可能在于对视觉刺激的反应的平均强度，如在功能磁共振成像，脑电图或脑磁图研究中可检测到的大量信号所反映的，或者可能更微妙地由个体感觉神经元的差异化活动组成。量化单细胞Ca 2+响应记录在体内的2-光子成像的视觉刺激，我们发现，视觉检测相关性更强的群体反应异质性，而不是整体的反应强度。此外，神经元群体在时间间隔的试验中显示出与命中反应相关的激活模式，但在非检测期间则不然。与依赖于时间稳定的网络或批量信号的模型相反，这些结果表明，检测依赖于皮层群体内神经元活动的瞬时分化。
2015-12-02 q-bio.NC
Statistical crossover and nonextensive behavior of the neuronal short-term depression
神经元编码的理论基础，与突触传递中的短期降解有关，在文献中是一个有争议的问题。事实上，电生理信号通常被表征为与刺激强度成反比。在对这种现象的理论描述中，基于$1/f$依赖性的模型被用来研究短时程突触抑制的生物物理特性。在这项工作中，我们制定了一个模型的基础上的一个范例\textit{q} -微分方程，以获得一个广义的形式主义有用的调查nonextensivity在这种特定类型的突触可塑性。我们的分析揭示了电生理记录数据的非扩展性和神经传递的统计交叉。特别是，统计转换提供了额外的支持神经递质的异质性释放概率的假设。另一方面，简单的囊泡模型只在低频刺激下与数据一致。因此，目前的工作提出了一种方法来证明，短期抑郁症不仅是由随机机制，但也由一个非广泛的行为。我们的研究结果也调和形态学和电生理学的调查到一个连贯的生物物理场景。
2017-11-17 q-bio.NC
Efficient and accurate extraction of in vivo calcium signals from microendoscopic video data
通过显微镜进行的体内钙成像已经使自由移动的受试者的大脑内以前无法接近的神经元群体的深部脑成像成为可能。然而，显微内窥镜数据遭受高水平的背景荧光以及重叠神经元信号的可能性增加。以往的方法无法识别神经元和分离他们的时间活动，因为细胞信号往往淹没在大的波动背景。在这里，我们开发了一种有效的方法来提取细胞信号与背景的影响最小。我们用两个真实的分量来建模背景：（1）一个对每个像素的恒定基线和缓慢趋势进行建模，以及（2）另一个对来自散焦信号的快速波动进行建模，因此被限制为具有低空间频率结构。这种分解避免了细胞信号被吸收到背景项中。在减去用该模型近似的背景之后，我们使用约束非负矩阵分解（CNMF，Pnevmatikakis et al.（2016））来更好地解混神经信号，并获得它们的去噪和去卷积时间活动。我们验证了我们的方法的模拟和实验数据，它显示了快速，可靠，高质量的信号提取各种成像参数下。
2017-05-25 q-bio.NC q-bio.QM stat.AP
A modified cable formalism for modeling neuronal membranes at high frequencies
在体内皮层神经元的细胞内记录显示强烈的阈下膜电位（Vm）活动。Vm的功率谱密度（PSD）在高频（>50 Hz）处显示幂律结构，斜率约为-2.5。这种类型的频率缩放不能被传统模型解释，因为单室模型或基于重建细胞形态的模型显示斜率接近-4的频率缩放。该斜率是由于膜电阻被高频电容“短路”的事实，这种情况可能不现实。在这里，我们将非理想电容器集成到电缆方程中，以反映电容不能瞬时充电的事实。我们表明，由此产生的“非理想”电缆模型可以解决分析使用傅立叶变换。使用球杆模型的数值模拟产生与实验中类似的频率缩放的膜电位活动。我们还讨论了使用非理想电容器对其他细胞特性的影响，例如在非理想电缆中提升的高频传输或树突中的电压衰减。这些结果表明，电缆方程的非理想电容器的基础上，应被用来捕捉在高频下的神经元膜的行为。
2007-09-18 q-bio.NC
Neuronal coupling by endogenous electric fields: Cable theory and applications to coincidence detector neurons in the auditory brainstem
神经元的持续活动产生空间和时间变化的细胞外电压场（$V_e$）。这个$V_e$场反映了群体水平的神经活动，但它是否调节了神经动力学和神经回路的功能？我们提供了一个电缆理论框架来研究一束模型神经元如何产生$V_e$以及这个$V_e$如何反馈和影响膜电位（$V_m$）。我们发现，这些“ephaptic相互作用”是小的，但不可忽略。模型神经元群体可以产生具有毫伏级幅度的$V_e$，并且该$V_e$扰动“附近”电缆的$V_m$并且有效地增加它们的电紧张长度。在运用被动电缆理论系统研究了听性脑干的听觉耦合之后，我们探讨了一个测试案例：听性脑干的内侧上橄榄核（MSO）。MSO是一个可能的位置ephaptic相互作用：声音引起大$V_e$在体内在这个核（毫伏级）。$V_e$响应被认为是由MSO神经元产生的，MSO神经元以亚毫秒的时间精度执行已知的神经元计算（重合检测以编码声源位置）。使用基于生物药理学的MSO神经元模型，我们发现毫伏级的ephaptic相互作用与被动电缆理论的结果一致。这些细微的膜电位扰动诱导锋电位起始阈值、锋电位时间同步性和时差敏感性的变化。这些结果表明，ephaptic耦合可能会影响MSO功能。
2015-08-07 q-bio.NC
How adaptation currents change threshold, gain and variability of neuronal spiking
许多类型的神经元表现出由内在慢$\mathrm{K}^+$ -电流介导的尖峰频率适应，其有效地抑制神经元响应。然而，这些自适应电流如何改变体内波动突触输入、尖峰速率输出和脉冲序列统计之间的关系还没有很好地理解。在这项计算研究中，我们表明，适应电流，主要取决于阈下膜电压的变化，神经元的输入-输出关系（I-O曲线）减法，从而增加了响应阈值。尖峰相关的自适应电流会分别改变I-O曲线，从而降低响应增益。这两种类型的适应电流自然地增加平均峰间间期（ISI），但它们可以以相反的方式影响ISI的变异性。亚阈值电流总是导致可变性的增加，而尖峰触发电流降低由波动主导的输入引起的高可变性，并且在平均输入较大时增加低可变性。对I-O曲线的影响与具有异步不规则活动的网络中的突触抑制所引起的影响相匹配，为此，我们分别发现由外部抑制和复发性抑制引起的消减和分裂变化。然而，突触抑制总是增加ISI的变异性。我们解析推导出表达式的I-O曲线和ISI的变化，这表明我们的结果的鲁棒性。此外，我们将展示如何生物物理参数的慢$\mathrm{K}^+$ -电导有助于两种不同类型的适应电流，并发现，$\mathrm{Ca}^{2+}$激活的$\mathrm{K}^+$ -电流被有效地捕获由一个简单的尖峰依赖的描述，而毒蕈碱敏感或$\mathrm{Na}^+$激活的$\mathrm{K}^+$ -电流显示出占主导地位的亚阈值组…
2013-11-07 q-bio.NC
On the statistical significance of temporal firing patterns in multi-neuronal spike trains
在许多涉及多个神经元同时记录的实验中，观察到一组神经元的连续放电序列重复发生，神经元之间具有固定的时间延迟。这样的时间模式潜在地指示底层微电路，并且重要的是知道何时重复出现的模式在统计上是显著的。这些序列通常通过相关计数来识别，例如在Abeles和Gerstein的两带算法中。在本文中，我们提出了一种方法来决定这种相关性的意义，通过表征一个神经元对另一个神经元的影响的条件概率，并指定我们的零假设的条件概率的约束。这种检验相关计数显著性的方法比目前可用的方法更普遍，因为在我们的零假设下，我们不假设不同神经元的尖峰过程是独立的。我们的零假设的结构还允许我们根据构成模式的神经元之间的相互作用的强度对检测到的模式进行排序。我们展示了我们的方法，评估模拟脉冲序列的重要性，涉及非齐次泊松过程与强相互作用，其中的相关计数使用两个磁带算法。
2008-09-01 q-bio.NC
Imaging mitochondrial calcium dynamics in the central nervous system
本综述全面回顾了用于监测大脑线粒体钙动力学的历史与最新工具，探讨了主要钙探针的特性与靶向策略，并详细阐述了线粒体钙处理在神经组织中的关键作用。
2024-08-22 q-bio.NC
Objective Multi-variable Classification and Inference of Biological Neuronal Networks
生物神经元类型和网络的分类对充分理解大脑的组织和功能提出了挑战。在本文中，我们开发了一个新的生物神经元类型和网络的基础上的通信度量的客观分类模型。这相对于现有方法呈现出优势，因为从脉冲序列获得的神经元之间的互信息或延迟与常规形态数据相比是更丰富的数据。我们首先设计了两个开放获取的支持计算平台，分别是Neurpy和Neurgen。然后，我们研究如何网络断层扫描的概念可以实现与皮层神经元电路的形态，拓扑和电分类的神经元。我们将模拟数据提取到许多不同的分类器（包括SVM，决策树，随机森林和人工神经元网络）中，对特定的细胞类型（和子组类型）进行分类，准确率高达70%。利用网络断层扫描技术推断生物网络结构的准确率可达65%。我们还分析了五层、25个细胞m型和14个细胞e型分类的召回率、精确率和F1得分。我们的研究不仅有助于现有的分类工作，而且为未来使用细胞级脑机接口对神经元进行体内客观分类作为大脑结构的传感机制设定了路线图。
2020-03-28 cs.OH q-bio.NC
High-resolution intracellular recordings using a real-time computational model of the electrode
神经元膜电位的细胞内记录是神经生理学的核心工具。在许多情况下，特别是在体内，这种记录的传统限制是高电极电阻，这可能会导致显着的测量误差。我们介绍了一种计算机辅助技术，有源电极补偿（AEC），基于与电生理设置实时接口的电极的数字模型。首先使用白噪声电流注入来估计该模型的特性。电极和膜贡献被数字化分离，然后通过电极贡献的在线减法进行记录。将AEC与其他技术进行比较的测试表明，它产生的记录具有更高的准确性。它可以在苛刻的条件下进行高频记录，例如在动态钳位模式下注入电导噪声，这在目前为止尚不适用于单个高电阻电极。AEC应该是特别有用的，在体内和体外的神经元中的快速现象的特征。
2007-11-13 q-bio.NC
Statistical Mechanics Characterization of Neuronal Mosaics
神经元细胞的空间分布是在大多数动物的神经系统的几个部分中实现适当神经元功能的重要要求。例如，需要光感受器和相关神经元细胞（特别是神经节细胞）在哺乳动物视网膜中的特定分布，以便适当地对投影场景进行采样。这项工作介绍了如何从统计力学和复杂系统，即\emph{lacunarity}和\emph{multiscale entropy}（即熵计算的细胞马赛克的渐进扩散表示）领域的两个概念，已允许有效的表征视网膜细胞的空间分布。
2004-11-14 cond-mat.dis-nn cs.CV physics.bio-ph
Sparse Edge Encoder (SEE): I. Visual recognition in neuronal networks
本研究模拟自然图像在有限金口-科佩利神经元网络中的处理，发现视觉识别最优状态接近但不同于临界状态，表明临界性假说可能非信息处理优化的必要条件。
2025-02-25 cond-mat.dis-nn q-bio.NC
Neuronal architecture extracts statistical temporal patterns
Jülich Research Centre（于利希研究中心）；RWTH Aachen University（亚琛工业大学）；INSERM-AMU（法国国家健康与医学研究院-艾克斯-马赛大学）
研究提出一种受生物学启发的馈通神经元模型，通过提取高阶时间累积量进行时间序列分类，揭示了非线性增益函数将高阶相关性转移至均值的机制，并在参数利用上优于经典机器学习方案。
2023-01-24 cond-mat.dis-nn cs.LG q-bio.NC
Emergence of assortative mixing between clusters of cultured neurons
神经元培养物的活性分析被认为是体内神经元组织的功能连接的良好代表。因此，从活动模式推断的功能复杂网络是一种很有前途的方式来解开神经元系统的结构和功能之间的相互作用。在这里，我们监测自发的自我维持的动力学在神经元的相互连接的聚集体（集群）形成的神经元培养。动力学的特点是快速激活的集群群序列称为突发。分析簇在突发内的激活之间的时间延迟允许重构网络的有向功能连接。我们提出了一种方法来统计推断这种连通性，并分析由此产生的相关复杂网络的属性。令人惊讶的是，与许多生物网络的报道相反，群集的神经元培养物呈现出混合连接值，以及丰富的俱乐部核心，这意味着有一个偏好的集群连接到其他集群共享类似的功能连接，形成了网络中的“连接骨干”。这些结果表明，神经元的分组和集群之间的排斥性连接是文化的内在生存机制。
2014-07-07 cond-mat.dis-nn physics.bio-ph q-bio.NC
Design Fast Algorithms For Hodgkin-Huxley Neuronal Networks
在动作电位（尖峰）期间，Hodgkin-Huxley（HH）方程的刚性限制了大时间步长的使用。我们观察到神经元在棘波之间可以独立地进化，$i.e.,$不同的神经元可以用不同的方法和不同的时间步长进化。这一观察激励我们设计快速算法来提高效率。我们提出了一种自适应的方法，指数时间差分（ETD）方法和基于库的方法来处理的僵硬期。所有方法都可以使用比常规Runge-Kutta方法大一个数量级的时间步长来提高效率，同时实现原始HH神经元的精确统计特性，如最大Lyapunov指数和平均发射率。我们指出，ETD和库的方法可以稳定地实现最大的8倍和10倍的加速比，分别。
2021-01-17 q-bio.NC
A structured matrix factorization framework for large scale calcium imaging data analysis
我们提出了一个结构化的矩阵分解方法来分析钙成像记录的大型神经元系综。我们的目标是同时识别神经元的位置，分离空间重叠的成分，并从钙指标的缓慢动态中去噪和去卷积每个神经元的尖峰活动。矩阵分解方法依赖于观察到时空荧光活性可以表示为两个矩阵的乘积：编码每个神经元在光场中的位置的空间矩阵和表征每个神经元随时间的钙浓度的时间矩阵。我们提出了一个简单的方法来估计钙指标的动态，以及从观测数据的观测噪声统计。然后，这些参数被用来建立一个约束形式的矩阵分解问题，不需要进一步的参数调整。我们讨论的初始化和后处理技术，提高我们的方法的性能，以及高效和大部分可并行化的算法。我们将我们的方法应用于{ \it in vivo}大规模多神经元成像数据，并演示了如何使用类似的方法来分析{ \it in vivo}树突状成像数据。
2014-09-09 q-bio.NC q-bio.QM stat.AP
Neuronal Learning Analysis using Cycle-Consistent Adversarial Networks
University of Edinburgh（爱丁堡大学）
了解任务学习后神经回路的活动如何重塑可以揭示学习的基本机制。由于神经成像技术的最新进展，可以在几天甚至几周内从数百个神经元中获得高质量的记录。然而，人口反应的复杂性和多层面性给分析带来了重大挑战。现有的研究神经元适应和学习的方法往往对数据或模型施加强有力的假设，导致不具有概括性的有偏见的描述。在这项工作中，我们使用了一种名为CycleGAN的深度生成模型的变体，来学习$\textit{in vivo}$记录的学习前和学习后神经活动之间的未知映射。我们开发了一个端到端的管道来预处理，训练和评估钙荧光信号，以及一个解释产生的深度学习模型的程序。为了评估我们方法的有效性，我们首先在具有已知地面真实变换的合成数据集上测试我们的框架。随后，我们将我们的方法应用于从行为小鼠的初级视觉皮层记录的神经活动，其中小鼠在基于视觉的虚拟现实实验中从新手过渡到专家级性能。我们评估了生成的钙信号及其推断的脉冲序列的模型性能。为了最大限度地提高性能，我们得出了一种新的方法来预排序神经元，使基于卷积的网络可以利用空间信息，存在于神经活动。此外，我们采用视觉解释方法来提高我们工作的可解释性，并深入了解细胞活动中表现出的学习过程。总之，我们的研究结果表明，用数据驱动的深度无监督方法分析神经元学习过程有可能以公正的方式揭示变化。
2021-11-25 cs.LG q-bio.NC
Non-stationary filtered shot noise processes and applications to neuronal membranes
滤波散粒噪声过程已被证明是非常有效的模拟系统暴露于随机散粒噪声源的演变，并已被应用到各种各样的领域，从电子学到生物学。特别是，他们可以模拟由随机输入驱动的神经元的膜电位Vm，其中这些滤波过程能够捕获响应于具有可变速率的突触前输入的Vm波动的非平稳特性。在本文中，我们应用泊松点过程变换的一般框架来分析这些系统在一般情况下的可变输入率。我们得到精确的解析表达式，和非常准确的近似，过滤散粒噪声过程的联合累积量与乘性噪声。这些一般的结果，然后应用到模型的神经元膜电导散粒噪声与连续可变的突触前尖峰。我们提出了非常有效的近似Vm分布的时间演化和简单的方法来估计突触前率从少量的Vm痕迹。这项工作打开了获得分析访问的重要统计特性的电导为基础的神经元模型，如第一次通过时间的角度。
2015-09-13 q-bio.NC
Whole Brain Network Dynamics of Epileptic Seizures at Single Cell Resolution
癫痫发作的特征在于多个尺度的异常脑动力学，涉及单个神经元、神经元集合和粗糙的脑区域。理解这种突发性种群动力学的原因的关键是在多个大脑尺度上捕捉神经元活动的集体行为。在这篇论文中，我利用斑马鱼幼鱼捕捉癫痫发作时整个大脑的单细胞神经元活动。首先，我利用统计物理方法来量化癫痫发作期间单个神经元动力学的集体行为。在这里，我展示了一个人口机制，通过该机制，单神经元动力学组织成癫痫发作：大脑动力学偏离相变。其次，我利用单神经元网络模型来识别实际导致这种转变发生的突触机制。在这里，我表明网络中神经元连接的密度是驱动全身性癫痫发作动力学的关键。有趣的是，这种变化也破坏了大脑网络的网络反应特性和灵活的动力学，从而将癫痫发作期间的微尺度神经元变化与突发性脑功能障碍联系起来。第三，我利用非线性因果推理方法来研究癫痫发作发生的潜在神经元相互作用的性质。在这里，我展示了癫痫发作是由高度同步性驱动的，但也是由神经元之间高度非线性的相互作用驱动的。有趣的是，这些非线性特征在宏观尺度上被过滤掉，因此可以代表可用于微观尺度干预策略的神经元特征。这篇论文展示了多尺度动力学研究的实用性，在斑马鱼幼鱼，连接在微尺度上的神经元活动与突发性癫痫发作期间的属性。
2022-12-12 q-bio.NC
Brain neurons as quantum computers: {\it in vivo} support of background physics
问题是：量子相干态是否能在与大脑神经元的动力学时间尺度相当的时间尺度上维持退相干、加热和耗散，在过去几年中得到了积极的讨论。对这个问题的肯定回答是至关重要的，特别是考虑大脑神经元作为量子计算机。这种讨论主要是基于理论论证。本文在大鼠Flinders敏感线（FSL）上研究了遗传性抑郁性边缘脑中脑被盖区（VTA）的非线性统计特性（\it in vivo）。腹侧被盖区在快感的产生和心理药物成瘾的发展中起着关键作用。我们发现，FSL腹侧被盖区（多巴胺能）神经元信号表现出多重分形特性的interspike频率的尺度上，健康的腹侧被盖区多巴胺能神经元表现出爆发活动。对于高矩，观察到的多重分形（广义维数）谱与{ \it量子}系统（所谓的踢哈珀模型，积极用作量子混沌模型）的谱测度计算的广义维数谱相一致。该观察结果可被认为是有利于脑神经元活动的量子（至少部分）性质的第一实验（{ \it in vivo}）指示。
2003-11-19 q-bio.NC
Coin-Flipping In The Brain: Statistical Learning with Neuronal Assemblies
本文研究大脑如何利用固有噪声实现统计学习，通过在生物合理模型NEMO中证明集群间连接可记录统计信息并利用噪声进行概率选择，从而仅从刺激序列中构建马尔可夫链等内部模型，为噪声作为认知机制的有用成分提供了理论和仿真支持。
2024-06-11 cs.NE q-bio.NC
Statistical Inference of Functional Connectivity in Neuronal Networks using Frequent Episodes
从多神经元数据流中识别大脑活动的时空网络结构是神经科学中最大的挑战之一。在一组神经元中重复精确定时的活动模式可能表明底层神经组织中存在微电路。频繁发作发现，一个时间数据挖掘框架，最近已被证明是一个计算效率高的方法，计数出现这样的模式。在本文中，我们提出了一个框架，以确定当计数是统计上显着的建模计数过程。我们的模型允许直接估计神经元之间功能连接的强度，并且比之前发布的方法具有更高的分辨率。它还可以用来根据神经元网络的强度对在神经元网络中发现的模式进行排名，并开始重建产生尖峰数据的网络的图形结构。我们验证了我们的方法模拟数据和目前的分析模式中发现的数据培养的皮层神经元。
2009-02-22 cond-mat.dis-nn cs.DB q-bio.NC
Efficiency characterization of a large neuronal network: a causal information approach
当抑制性神经元占神经元的40%时，它们可能具有重要的抗伤害感受作用，因为它们很容易调节其他神经元的活动水平。我们认为一个简单的网络皮层尖峰神经元轴突传导延迟和尖峰时间依赖的可塑性，代表一个皮质柱或hypercolumn与大比例的抑制性神经元。每个神经元都遵循类似Hodgkin-Huxley的动力学，并随机与其他神经元相互连接。网络动力学的研究估计Bandt和Pompe概率分布函数相关联的interspike间隔，并采取不同程度的互联神经元。更具体地说，我们考虑到复杂的神经元信号的精细的时间“结构”，不仅通过使用与脉冲间隔相关的概率分布，而是考虑到更微妙的措施，占其因果信息：香农排列熵，费舍尔排列信息和排列统计复杂性。这使我们能够研究系统的信息如何随着神经元之间的互连程度的增长而饱和到有限值，从而推断系统的涌现动力学特性。
2014-01-26 q-bio.NC
Inferring neuronal couplings from spiking data using a systematic procedure with a statistical criterion
最近显着的进展，在实验技术提供了一个背景推断神经元耦合的点过程数据，包括大量的神经元。在这里，我们提出了一个系统的程序，在一个客观的方式处理通用点过程数据的预处理和后处理，在一个简单的二元统计模型，伊辛或广义McCulloch-Pitts模型的框架内处理数据。该过程包括两个步骤：（1）确定用于将点过程数据转换为离散时间二进制数据的时间仓大小;（2）从估计的耦合中筛选相关的耦合。对于第一步，我们通过引入所有神经元将独立激发的零假设来确定最佳时间仓大小，然后选择时间仓大小，以便用最严格的标准拒绝零假设。与零假设相关的可能性被分析评估并用于拒绝过程。对于第二后处理步骤，在基于预处理的数据集获得耦合的某个估计值之后，将该估计值与从通过在时间方向上随机化原始数据集而获得的数据集导出的许多其他估计值进行比较。只有当原始估计的绝对值比随机数据集的绝对值大得多时，我们才认为原始估计是相关的。这些操作抑制了统计噪声引起的假阳性耦合。我们将此推理过程应用于合成和体外神经元网络的尖峰数据。结果表明，所提出的程序识别突触耦合的存在/不存在相当不错，包括他们的迹象，为合成和实验数据。特别是，结果支持，我们可以推断出的物理连接的基础系统在有利的情况下，即使使用简单的统计模型。
2020-07-07 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Robust gamma oscillations in networks of inhibitory Hippocampal interneurons
最近的实验表明，在离体海马脑片中，中间神经元的抑制网络可以同步神经元放电。随后的理论工作表明，通过相互抑制的强同步对电流驱动中的神经元异质性仅具有适度的鲁棒性，所述电流驱动由代谢型谷氨酸受体的激活提供。在体内神经元显示更大的变异性，由于突触噪声的存在，在峰间期。噪声和异质性对同步特性的影响是不同的。在本文中，我们研究如何使用模型模拟强大的同步可以在突触噪声和神经元的异质性的存在。我们发现，至少有一个最小量的噪声随机弱同步（SWS）（即当神经元尖峰在一个很短的时间间隔内从对方，但不一定在每个周期）产生的是更强大的比强同步（即当神经元尖峰每个周期）。SWS粒子数放电的统计结果与以往的实验数据相一致。我们发现强大的SWS在伽马频率范围内（20-80 Hz）的一个更强的突触耦合相比，以前的模型和网络与10 - 1000个神经元。
1999-04-19 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Built to Last: Functional and structural mechanisms in the moth olfactory network mitigate effects of neural injury
大多数生物在其一生中都遭受神经元损伤，这可能会损害核心行为的表现。他们的神经回路需要在受伤的情况下保持功能，这特别需要保留关键的系统输出。在这项工作中，我们探讨是否以及如何某些结构和功能的神经元网络模体作为损伤缓解机制。具体来说，我们研究如何（一）赫布学习，（二）高水平的噪音，（三）平行的抑制和兴奋的连接有助于嗅觉系统的鲁棒性天蛾。我们模拟损伤的详细计算模型的蛾嗅觉网络校准体内数据。这些损伤以局灶性轴突损伤为模型，这是在创伤性脑损伤和其他脑疾病中观察到的一种普遍存在的轴突病理形式。轴突轴突收缩有效地损害了沿轴突的脉冲序列传播，降低了传递到下游神经元的有效神经放电速率。所有三个网络模体检查显着减轻损伤对读出神经元的影响，通过减少损伤对读出神经元响应的影响或通过恢复这些响应到损伤前的水平。因此，这些图案可以部分地解释其作为适应机制，以尽量减少神经损伤的功能影响的价值。更一般地说，对损伤的鲁棒性是分析神经系统时要考虑的重要设计原则。
2020-09-11 q-bio.NC
Suppression of hypersynchronous network activity in cultured cortical neurons using an ultrasoft silicone scaffold
皮质神经元在分离培养中的自发活动模式的特征在于在广泛的细胞群体中高度同步的突发放电。然而，同步的程度远远高于皮质组织。在这里，我们采用聚二甲基硅氧烷（PDMS）弹性体建立一个新的系统，用于培养神经元的支架上的弹性模量类似于脑组织，并研究了支架的弹性对培养的大鼠皮层神经元的网络活动模式的影响。使用全细胞膜片钳评估支架对突触连接发展的影响，我们发现，兴奋性突触后电流的振幅，以及自发传输的频率，在弹性模量为0.5 kPa的超软PDMS上生长的神经元网络中减少。此外，发现超软支架抑制培养的神经元网络的自发活动中的神经相关性。GsMTx-4的剂量，拮抗剂的拉伸激活的阳离子通道（SAC），需要减少低于1.0事件/分钟的PDMS基板上的事件的产生低于玻璃基板上的神经元。这表明SAC活化的基线水平的差异是神经元网络活性取决于支架刚度的改变的分子机制。我们的研究结果表明，具有仿生弹性的PDMS作为细胞培养支架在神经系统中弥合体内-体外缺口方面具有潜在的应用前景。
2019-12-10 physics.bio-ph q-bio.NC
Evidence for Dynamic Excitation-Inhibition Ratio in Networks of Cortical Neurons
在这份报告中，试验到试验的变化，在同步响应的神经网络的兴奋抑制比是一个动态变量的时间尺度分钟的证据。在离体大规模皮层网络中研究了对刺激的同步网络反应。我们发现，次秒的措施，个人的同步响应，即-其延迟和衰减持续时间，与分钟尺度的网络响应动态。网络响应性反映为延迟衰减平面的区域中的驻留或在延迟衰减平面的区域之间的转移。潜伏期和衰减持续时间对突触阻滞剂的不同敏感性意味着这两种措施反映了抑制性和兴奋性神经元群体对反应动力学的有效影响。综上所述，数据表明，在重复刺激下的网络反应的变化是由兴奋抑制比是一个动态变量，而不是一个参数。
2014-12-31 q-bio.NC
Novel Kuramoto model with inhibition dynamics modeling scale-free avalanches and synchronization in neuronal cultures
University of Campania ”Luigi Vanvitelli”（坎帕尼亚路易吉·范维特利大学）；University of Genova（热那亚大学）；Istituto Italiano di Tecnologia (IIT)（意大利理工大学）；RCCS Ospedale Policlinico San Martino（圣马蒂诺大学临床医院）；National Institute for Nuclear Physics (INFN)（意大利国家核物理研究所）
本文提出了一种新颖的Kuramoto模型，用于模拟神经元培养中规模无关性湍流与同步现象，通过抑制动态再现实验数据并揭示时间组织中的相关性。
2025-12-19 cond-mat.dis-nn q-bio.NC
Linear response in neuronal networks: from neurons dynamics to collective response
我们回顾了两个例子，其中提交给外部刺激的神经元网络的线性响应可以显式地导出，包括网络参数依赖性。这是在一个类似统计物理学的方法，其中一个关联到模型的自发动力学的自然概念吉布斯分布继承自遍历理论或随机过程。这两个例子是Amari-Wilson-Cowan模型和基于电导的Integrate and Fire模型。
2019-09-10 nlin.CD physics.bio-ph q-bio.NC
Exactly solvable statistical physics models for large neuronal populations
本文提出极小极大熵原理，通过树状成对相关性构建精确可解的统计物理模型，并成功应用于小鼠海马体约1500个神经元的数据分析，捕捉同步活动分布。
2023-10-16 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Neuronal avalanches and critical dynamics of brain waves
从一般的非线性波哈密顿形式导出的脑电波频谱的缩放的解析表达式与实验“神经元雪崩”数据显示出良好的一致性。弱瞬逝非线性脑电波动力学理论揭示了隐藏在神经元雪崩现象学统计描述背后的潜在集体过程，并将整个脑活动状态范围连接在一起，从振荡波样模式到神经元雪崩，到不相干尖峰，表明神经元雪崩只是皮层组织中丰富的波过程的不同非线性侧的表现。在更广泛的方式，这些结果表明，通过所有可能的组合的三阶非线性项所描述的一般波哈密顿系统的波模式相互作用，必然产生非谐波模式的时间和空间的标度特性，遵循无标度幂律。据我们所知，这在物理学文献中从未报道过，可能适用于许多涉及波过程的物理系统，而不仅仅是神经元雪崩。
2021-11-15 nlin.AO q-bio.NC
Statistical data assimilation for estimating electrophysiology simultaneously with connectivity within a biological neuronal network
采用数据同化（DA）方法，在一个小型生物网络模型中，同时估计神经元的电生理参数和突触连接。DA过程被视为一个优化，成本函数由测量误差和模型误差项组成。这些条款的迭代重新加权允许系统的方法来识别最低的最小值，在一个局部区域的状态空间，在一个非凸成本函数的表面上。在该模型中，两组参数值与网络活动的两种特定功能模式相关联：所有神经元的同时激发，以及神经元顺序爆发的模式生成模式。DA过程能够恢复这些模式，如果：i）刺激电流具有混沌波形，并且ii）测量值由电路中所有神经元的膜电压组成。此外，该方法能够将不必要的高维度的模型修剪为包含再现所提供的测量所需的最大维度的表示。本文提供了一个概念验证，DA有可能通知实验室设计，估计性能的小型和可隔离的功能电路。
2019-12-02 physics.bio-ph q-bio.NC
Closed-form modeling of neuronal spike train statistics using multivariate Hawkes cumulants
在一个具有兴奋和抑制的多变量Hawkes过程模型中，我们导出了由脉冲序列驱动的神经元膜电位的任意阶累积量的精确解析表达式。这些表达式可用于模型随时间的统计行为的预测和敏感性分析，并使用Gram-Charlier展开估计神经元膜电位的概率密度。我们的研究结果提供了一个更好的替代Monte Carlo估计通过随机模拟，并包括基于组合递归的计算机代码。
2022-10-27 math.PR math.ST q-bio.NC
Functional importance of noise in neuronal information processing
噪声是神经元动力学的固有部分，因此也是大脑的固有部分。它可以在不同时空尺度的神经元活动中观察到，包括神经元膜电位、局部场电位、脑电图和脑磁图。阐明噪声在神经元信息处理中的功能作用是当代神经科学的一个中心研究课题。实验研究表明，适当的噪声水平可以增强随机共振对微弱神经元信号的检测。作为回应，基于随机过程理论、非线性动力学和统计物理学的理论研究在阐明神经元系统中随机共振的机制和诸多益处方面取得了长足的进步。在这方面，我们回顾了最近的研究致力于神经元随机共振的生物物理数学模型。我们还探讨了神经元随机共振的调节，我们概述了重要的开放性问题和未来的研究方向。对神经元随机共振的深入理解将为我们深入了解大脑中令人印象深刻的信息处理提供新的视角。
2018-12-28 nlin.AO physics.bio-ph q-bio.NC
Improving the Entropy Estimate of Neuronal Firings of Modeled Cochlear Nucleus Neurons
在这一通信信息理论工具被用来调查模型耳蜗核球状丛状细胞脉冲序列的统计特性。从模拟软件获得放电模式，该模拟软件从任何听觉输入生成样本脉冲序列。在这里，我们分析了第一次的球状丛细胞的反应，有声和无声的语音声音。经典的熵估计，如直接方法，通过考虑时变和时间依赖的熵估计的改进。用这种方法，我们研究了听觉信号中神经元响应的可预测性与频率含量之间的关系。该分析量化了神经元响应中神经元编码和记忆的时间精度。
2012-04-24 cs.IT math.IT q-bio.NC
NeuroPath2Path: Classification and elastic morphing between neuronal arbors using path-wise similarity
神经元的形状和连接性决定了它的功能。现代成像方法已被证明在提取此类信息方面是成功的。然而，为了分析这种类型的数据，神经元形态需要在图论方法中进行编码。这种编码使得能够使用高通量信息学方法来提取和推断大脑功能。图论方法的应用，神经元形态表示带来了一定的困难。在这里，我们报告了一种新颖的，有效的方法来完成这项任务。神经元的形态，包括其整体大小，整体形状，局部分支模式和细胞特异性生物物理特性，可以随着细胞的身份，位置以及发育和生理状态而显着变化。已经开发了各种算法来定制基于形状的统计和图形相关特征，用于神经形态学的定量分析，然后使用这些特征对神经元细胞类型进行分类。与传统的基于图像或三维重建神经元的特征提取方法不同，本文提出了一种基于神经元胞体到树突的根路径分解的模型，并提取了每条路径上的形态特征。为了验证这一说法，我们首先使用修改后的Munkres算法建立两个神经元之间的路径的对应关系。其次，建立了一个基于平方根速度函数的弹性变形框架，实现了连续变形，同时也提供了一种有效的可视化工具。我们通过实验证明了NeuroPath2Path、NeuroP2P在最先进技术水平上的功效。
2019-03-06 q-bio.NC
Diversity of Intrinsic Frequency Encoding Patterns in Rat Cortical Neurons -Mechanisms and Possible Functions
对猴体内初级和次级躯体感觉皮层中单个神经元的细胞外记录表明，随着外部刺激频率的增加，它们的放电率在不同细胞中可以增加、减少或保持恒定。我们观察到类似的内在放电模式（增加，减少或恒定）在体外大鼠躯体感觉皮层，当刺激与振荡输入电导注射（动态钳）。这种观察的潜在机制并不明显，并提出了数学建模的挑战。我们提出了一个简单的原则来描述这种现象，使用一个泄漏的积分和消防模型与正弦输入，一个固有的振荡和泊松噪声。编码增益的额外增强可以通过不同内在响应模式之间的局部网络连接来实现。我们的工作揭示了这些相反的神经元响应背后可能的细胞和网络机制，这些反应有助于增强信号检测。
2012-03-05 q-bio.NC
Dynamic neuronal networks efficiently achieve classification in robotic interactions with real-world objects
生物皮层网络是潜在的完全递归网络，没有任何明显的输出层，其中识别可能依赖于其神经元之间的活动分布。因为这样的生物网络可以具有丰富的动态，它们被精心设计以应对自然界中发生的类型的动态交互，而传统的机器学习网络可能很难理解这些数据。在这里，我们将一个简单的模型神经元网络（基于具有生物现实动力学（LSM）的“线性求和神经元模型”，由10个兴奋性和10个抑制性神经元组成，随机连接）连接到具有多种类型的力传感器的机器人手指上，当与不同级别的顺应性材料相互作用时。范围：探讨网络对分类精度的影响.因此，我们将网络输出的性能与感官数据的统计特征及其机械性能的主成分分析进行了比较。值得注意的是，尽管LSM是一个非常小且未经训练的网络，并且仅被设计为提供丰富的内部网络动态，而神经元模型本身被高度简化，但我们发现LSM在准确性方面优于其他统计方法。
2022-11-11 cs.RO q-bio.NC
Field-theoretic approach to compartmental neuronal networks: impact of dendritic calcium spike-dependent bursting
Boston University（波士顿大学）
本文提出了一种场论方法，用于研究分隔神经元网络中多种尖峰生成的集体活动，揭示了不同连接模式对平衡相图的影响及亚稳区。
2025-08-11 q-bio.NC
U(1) dynamics in neuronal activities
神经元将外部刺激转换成动作电位或尖峰，并将所包含的信息编码到生物神经系统中。尽管神经元和突触之间的相互作用的复杂性，速率模型往往是适合描述神经编码适度的成功。然而，目前尚不清楚放电率，尖峰之间的时间间隔的倒数，是否足以捕捉神经元动力学的基本特征。超越了统计系统的Ginzburg-Landau理论中通常的弛豫动力学，我们提出神经活动可以被U（1）动力学捕获，将神经元的动作电位和"相位”结合在一起。Hodgkin-Huxley神经元的增益函数和相应的动态相变可以在U（1）神经元框架内描述。此外，说明了突触相互作用的相位依赖性，并建立了到Kinouchi-Copelli神经元的映射。这表明U（1）神经元是单神经元活动的最小模型，并作为信息处理的神经元网络的构建块。
2021-09-26 cond-mat.dis-nn q-bio.NC
Broadband Macroscopic Cortical Oscillations Emerge from Intrinsic Neuronal Response Failures
宽带自发宏观神经振荡是一种节律性的皮层放电，在上个世纪得到了广泛的研究，但其可能的起源仍有争议。在这项工作中，我们将展示如何宏观振荡出现在完全兴奋的随机网络，没有拓扑约束。我们的实验和理论表明，这些振荡源于违反直觉的基本机制-内在随机神经元响应失败。这些神经元响应故障的特征在于短期记忆，导致神经元之间的合作，导致亚赫兹或几赫兹的宏观振荡，其与高频伽马振荡共存。基于单神经元体外实验和描述网络动力学的朗之万方程的大型网络模拟支持统计网络特性和新兴振荡之间的定量相互作用。结果要求在抑制和外部驱动器的存在下检查这些振荡。
2015-11-01 cond-mat.stat-mech physics.bio-ph q-bio.NC
Segmentation algorithms and modeling of recurrent bursting events in neuronal and glial time series
本文综述神经元与胶质细胞时间序列分析方法，介绍事件分割算法及基于突触可塑性和后超极化的神经元群体模型，阐明模型校准与参数提取方法，及其在预测回路行为参数影响方面的应用。
2024-11-01 cond-mat.dis-nn q-bio.NC q-bio.QM
Can power-law scaling and neuronal avalanches arise from stochastic dynamics?
生物学中自组织临界性的存在通常通过事件大小分布的幂律标度来证明，这可以通过对数轴上的线性回归来测量。我们在这里表明，这样一个过程并不一定意味着系统表现出自组织临界性。我们首先提供了一个分析的多位点局部场电位（LFP）记录的大脑活动，并表明，事件大小分布定义为负LFP峰值可以接近幂律分布。然而，该结果对于检测阈值的变化或使用更严格的统计分析（如Kolmogorov-Smirnov检验）进行测试时不具有鲁棒性。类似的幂律缩放观察代理信号，表明幂律缩放可能是一个通用的属性阈值随机过程。接下来，我们调查这个问题的分析，并表明，事实上，随机过程可以产生虚假的幂律缩放而不存在潜在的自组织临界性。然而，这种幂律仅在对数表示中是明显的，并且不能经受更严格的分析，例如Kolmogorov-Smirnov检验。同样的分析也进行了人工网络已知显示自组织临界性。在这种情况下，图形表示和严格的统计分析都清楚地表明，雪崩的大小是按幂律分布的。我们的结论是，对数表示可以导致虚假的幂律缩放引起的随机性的现象。这种明显的幂律标度并不能证明自组织临界性，这应该通过更严格的统计检验来证明。
2010-01-09 nlin.AO q-bio.NC
Neuronal functional connectivity graph estimation with the R package neurofuncon
本文介绍R包neurofuncon，基于Graphical lasso从大规模数据中计算并可视化神经元功能连接图，并在小鼠视觉皮层约10000个神经元的数据上演示其应用。
2024-02-08 q-bio.NC stat.CO
