Neuro-PC: Causal Functional Connectivity from Neural Dynamics
功能性连接组是解剖学连接组的延伸,它根据神经元的活动和相互作用来捕捉神经元之间的关系。当这些关系是因果关系时,功能性连接体映射神经活动如何在神经回路内流动,并提供推断功能性神经通路(例如感觉-运动-行为通路)的可能性。虽然存在各种信息的方法来非因果估计的功能连接,方法的特点是因果功能连接-神经元时间序列之间的因果关系,是稀缺的。在这项工作中,我们开发了Neuro-PC算法,这是一种新的方法,用于从多维时间序列(如神经元记录)推断神经元之间的因果功能连接。我们的方法的核心依赖于PC算法,一个国家的最先进的统计因果推理的方法,神经动力学的多维时间序列的一种新的适应。我们验证的性能的网络模体的神经元之间的各种相互作用模拟使用连续时间的人工神经元网络的方法。然后,我们考虑应用该方法获得因果功能连接体的最近的多阵列电生理记录从小鼠视觉皮层在不同的刺激的存在下。我们展示了如何映射的功能可以用于量化不同刺激的神经反应之间的相似性。
2020-11-08 q-bio.NC
Normative atlases of neuroelectric brain activity and connectivity from a large human cohort
脑磁图(MEG)记录从一个大的规范性队列(n = 619)进行处理,以提取区域神经电活动的措施。这项工作的总体目标是使用这些措施来确定正常的人类神经电脑功能。其目的是(a)识别和测量群体共有的神经电特性的值和范围,(b)识别和测量区分个体的神经电特性的值和范围,以及(c)识别测量与个体特性(例如性别、生物学年龄和睡眠症状)的关系。我们希望,将由此产生的既定规范与有症状个体的记录进行比较,将使我们对病理学的理解取得进展。静息和任务条件下的MEG记录由剑桥(英国)老龄化和神经科学中心第2阶段队列研究提供。使用Reynolds一致性处理来定位和验证神经电流,对于每种p < 10-12,当校正多重比较时,对于每种p < 10-4。受试者内的区域活动和连接性的比较产生了大量可靠的测量,详细说明了个体之间的差异,每次比较p < 10-8,当校正为总共5 x 105次比较时,每次p < 0.005。群体范围内的区域比较(每个区域的p < 10-8)产生了大量的测量结果,这些测量结果是优势个体所共有的,详细说明了大脑功能的规范性共性。区域灰质(细胞)与白质(通讯纤维)活动的比较产生了强大的差异,整个群体和每个人。这些结果验证了结果的高空间分辨率,并建立了从白质获得神经电测量的前所未有的能力。
2018-11-17 q-bio.NC
Distributions of covariances as a window into the operational regime of neuronal networks
对皮层网络中尖峰脉冲活动的大量平行记录表明,神经元对之间的协方差差异很大。它们的低平均值是很好理解的,但到目前为止,关于周期性随机网络中连接的静态(淬火)无序的广泛分布的解释是难以捉摸的。在这里,我们推导出一个有限大小的平均场论,减少了一个高度对称的网络与起伏的辅助领域的无序。连接的统计量和成对协方差的统计量之间暴露的分析关系表明,后者的平均值和分散度在临界耦合处发散。在这一点上,非线性单元的网络从规则的混沌动力学过渡。将这些结果应用于哺乳动物大脑的记录表明,它的运作接近临界边缘。
2016-05-13 cond-mat.dis-nn q-bio.NC
Linking connectivity, dynamics and computations in low-rank recurrent neural networks
大规模的神经记录已经确定,感官刺激转化为运动输出依赖于低维动力学在人口水平,而个别神经元表现出复杂的选择性。理解混合分布式表征的低维计算如何从皮层网络的递归连接和输入结构中产生是一个重大挑战。在这里,我们研究了一类循环网络模型,其中的连通性是一个随机部分和一个最小的,低维结构的总和。我们表明,在此类网络中,动力学是低维的,并且可以使用几何方法直接从连通性推断。我们利用这种理解来确定实现特定计算所需的最小连接,并发现动态范围和计算能力随着连接结构的维数迅速增加。这个框架产生可测试的实验预测的连接,低维动力学和记录的神经元的计算功能之间的关系。
2018-08-28 q-bio.NC
Brain covariance selection: better individual functional connectivity models using population prior
在功能性神经成像中观察到的自发脑活动已显示出可再现的结构,其表达脑结构并携带脑病理学的标志物。现代神经科学的一个重要观点是,这种大规模的连贯活动结构反映了大脑连接图的模块化特性。然而,到目前为止,还没有证据表明自发活动观察中可用的有限和嘈杂的数据可以用于学习推广到新数据的全脑概率模型。学习这样的模型需要两个主要挑战:i)对全脑连接进行建模是一个困难的估计问题,面临维度灾难; ii)受试者之间的变异性,加上实验运行之间功能信号的变异性,使得使用多个数据集具有挑战性。我们将受试者级别的脑功能连接结构描述为多变量高斯过程,并引入一种新的策略来从组数据中估计它,通过在人口中的图形模型上施加一个共同的结构。我们发现,使用这个人口先验从功能性磁共振成像(fMRI)数据中学习的个体模型比基于替代正则化方案的模型更好地推广到看不见的数据。据我们所知,这是第一个交叉验证的自发性大脑活动模型的报告。最后,我们使用估计的图形模型来探索功能架构的大规模特征,并首次显示已知的认知网络作为功能连接图的集成社区出现。
2010-11-12 q-bio.NC stat.ML
Bayesian latent structure discovery from multi-neuron recordings
神经回路包含在类型、位置、连接性和基本响应特性上不同的异质神经元组。然而,传统的降维和聚类方法不适合恢复神经回路组织的结构。特别是,它们没有利用多神经元记录中丰富的时间依赖性,也没有考虑到神经尖峰序列中的噪声。在这里,我们描述了新的工具,用于推断潜在的结构,从同时记录的尖峰训练数据使用的多神经元点过程模型,通常被称为广义线性模型(GLM)的分层扩展。我们的方法结合了GLM与灵活的图论先验管理潜在功能和神经连接模式之间的关系。完全贝叶斯推断通过波利亚-伽马增强的结果模型,使我们能够分类神经元和推断潜在的尺寸电路组织相关的尖峰列车。我们证明了我们的方法的有效性与应用程序的合成数据和多神经元记录在灵长类动物视网膜,揭示了潜在的模式的神经类型和位置,从尖峰列车。
2016-10-26 q-bio.NC stat.ML
Neuronal functional connectivity among multiple areas of the rat somatosensory system during spontaneous and evoked activities
小世界网络(SWN)代表了理解许多复杂的人造和生物网络的基本模型。在中枢神经系统中,SWN模型已被证明在宏观水平上很好地拟合解剖和功能图。然而,功能微观水平,其中网络的节点由单个神经元组成,仍然知之甚少。在这个水平上,尽管最近的证据表明,功能连接地图表现出小世界组织,但我们不知道这些分布在多个大脑区域的地图是否以及如何在不同的条件下发生变化。我们通过同时多阵列细胞外记录在三个脑区参与躯体感觉信息处理:丘脑腹后外侧核(VPL),初级躯体感觉皮层(S1)和中央-正中丘脑核(CM)。从峰电位和局部场电位(LFP)记录,我们估计的功能连接地图使用归一化压缩相似性(尖峰)和相位同步(LFP)。然后,通过使用图论统计,我们的特点是在自发活动和感觉刺激的功能地图的拓扑结构。我们的主要结果表明:(i)在自发活动期间,尖峰和LFP显示SWN组织;(ii)在刺激开始后,虽然在尖峰和LFP两者中发生实质性的功能图重构,但是小世界性被保留。(iii)刺激触发区域间LFP连接的显著增加,而不改变区域内功能连接的拓扑结构。(iv)通过对细胞集合体基本概念的计算机模拟,可以用小世界网络来描述激活神经元的瞬时群体。
2013-01-17 q-bio.NC
SPIDER -- Stitched Power-spectra for Inferring Directed information flow from incomplete and asynchronous Experimental Recordings
Tsinghua University(清华大学);Federal University of Rio Grande do Norte(北里奥格兰德联邦大学)
提出SPIDER框架,利用频谱拼接和矩阵补全从异步、不完整的多区域记录中恢复有向信息流,通过模拟和神经数据验证,揭示了脑区间theta频带的前馈层级结构。
2026-07-07 q-bio.NC stat.ME
Homogenized $\textit{C. elegans}$ Neural Activity and Connectivity Data
针对秀丽隐杆线虫现有神经生理数据集格式不统一、连接组数据需预处理的问题,研究整合12项神经成像实验和9份连接组注释,经标准化流程构建同质化数据集并在HuggingFace开放,助力神经系统结构-功能关系研究。
2025-05-19 q-bio.NC
Identifying Connectivity Distributions from Neural Dynamics Using Flows
Allen Institute, Seattle, WA, USA(艾伦研究所);University of Washington, Seattle, WA, USA(华盛顿大学)
针对低秩循环神经网络(lrRNN)中连接结构不可识别的问题,提出基于最大熵和连续归一化流(CNF)的推理框架,通过流匹配训练学习连接权重分布,以无偏方式匹配观测动力学,并应用于合成数据和真实神经记录。
2026-05-29 cs.LG q-bio.NC
Circumstantial evidence and explanatory models for synapses in large-scale spike recordings
本文探讨如何仅凭脉冲序列记录研究神经元间突触连接,提出系统性评估旁证的方法,并展示突触效应模型如何为成对脉冲统计提供可检验预测,从而拓展大规模脉冲记录的数据分析问题。
2023-11-25 q-bio.NC
Interactive Web Application for Exploring Matrices of Neural Connectivity
我们在这里提出了一个基于浏览器的应用程序,用于可视化具有大量成对关系的3D堆叠数据矩阵中的连接模式。可视化连接矩阵,寻找趋势和模式,并动态地操纵这些值是来自不同领域的科学家面临的挑战,包括神经科学和基因组学。特别是,高维神经数据包括通过脑电图(EEG),皮层电图(ECoG),脑磁图(MEG)和功能MRI采集的数据。神经连接数据包含不同大脑区域之间每个边缘的多变量属性,这促使我们开发轻量级,开源,易于使用的可视化工具来探索这些连接矩阵,以突出感兴趣的连接。在这里,我们提出了一个客户端,移动兼容的可视化工具,完全在HTML5/JavaScript,允许在浏览器中操作用户定义的文件,探索大脑的连接。可视化可以在不同的维度上同时突出显示数据的不同方面。输入文件是JSON格式的,并且已经编写了自定义Python脚本来将MATLAB或Python数据文件解析为JSON-JSON格式。我们展示了通过人类ECoG记录获取的连接数据的分析,作为我们的应用程序的特定领域的实现。我们设想这种交互式工具在寻求可视化成对连接领域的应用。
2017-02-21 q-bio.NC
Higher Order Correlations within Cortical Layers Dominate Functional Connectivity in Microcolumns
我们报告的同时记录从细胞在所有层的视觉皮层和模型开发,以捕捉更高层次的结构人口尖峰活动。具体来说,我们使用伊辛,限制玻尔兹曼机(RBM)和半限制玻尔兹曼机(sRBM)模型,以揭示层流模式的活动。虽然伊辛模型只描述了成对耦合,但RBM和sRBM使用隐藏单元捕获高阶依赖关系。应用于从猫视觉皮层记录的32通道多极数据,高阶模型发现功能连接优先连接皮层内的细胞群。RBM和sRBM模型在对数似然方面都优于Ising模型。此外,我们训练所有三个模型的时空序列的状态,暴露时间结构,使我们能够预测尖峰从网络历史。这证明了在表征皮层网络中的活动时,跨空间和时间建模高阶交互的重要性。
2013-01-01 q-bio.NC
Resting-State Functional Connectivity in Late-Life Depression: Higher Global Connectivity and More Long Distance Connections
人脑静息状态下的功能磁共振成像记录的特征在于血氧水平依赖信号的自发低频波动,其通过空间同步性揭示了功能连接。本RS研究应用网络分析比较了老年抑郁症(LLD)患者和对照组的FC。LLD的原始互相关矩阵(CM)的特征在于较高的FC。我们分析了这些网络的小世界(SW)和模块化组织,每个网络由110个节点组成,以及基底神经节单个节点的连接模式。拓扑网络测量显示组间无显著差异。LLD和对照组受试者的顶部枢纽的组成是相似的,但是在LLD组中,后内侧-顶叶区域与对照组相比连接得更紧密。在LLD中,许多大脑区域显示出与更远的邻居的连接,导致与对照组相比,连接区域之间的平均欧几里得距离增加。此外,在LLD中,右侧尾状核连接更加弥散。总之,LLD与整体FC强度增加和连接节点之间平均距离的变化相关,但不会导致软件或模块化组织的全局变化。
2013-02-20 q-bio.NC
Effect of Synaptic Heterogeneity on Neuronal Coordination
本研究通过在网络连接中系统性引入异质性,推导出脉冲神经网络中神经元分辨的协方差预测,揭示了突触异质性在多个数量级上调控神经元协调复杂性的机制。
2024-04-04 cond-mat.dis-nn q-bio.NC
Random neural networks match observed dimensionality of neural population recordings and motivate stronger experimental tests
Emory University(埃默里大学)
通过将有限测量时间和行为上下文变异性纳入动态平均场理论,证明随机神经网络预测的维度与大规模记录一致,并指出流形方向相似性比维度对网络结构更敏感。
2026-05-26 cond-mat.dis-nn physics.bio-ph q-bio.NC
Electrophysiological correlates of non-stationary BOLD functional connectivity fluctuations
BOLD(血氧水平依赖性)信号的自发波动,用fMRI(功能性磁共振成像)测量,显示了丰富的和神经生物学相关的功能连接结构。这种结构通常使用时间平均方法来揭示,这防止了功能连接随时间变化的检测。在这项工作中,我们研究了动态BOLD功能连接波动的电生理学相关性,通过长(约)。50分钟)联合脑电图(EEG)和fMRI记录。我们确定了广泛的正相关和负相关之间的EEG频谱功率和功能磁共振成像BOLD连接波动的网络中的90个皮层和皮层下区域。特别是,α(8-12 Hz)和β(15-30 Hz)功率的增加与功能连接的减少有关,而γ(30-60 Hz)功率与特定脑区之间的BOLD连接呈正相关。此外,这些模式被改变的主题进行警惕性的变化,与参与的慢三角洲(0.4 - 4赫兹)带在本地的正相关性。最后,网络结构的图论指数也随着时间的推移表现出急剧的变化,平均路径长度与从中央和额电极提取的α功率呈正相关。我们的研究结果强烈表明,非稳态BOLD功能连接有一个神经生理学的起源。BOLD连接性与γ的正相关性可以解释为在相对较长的时间内平均结合增加,这可能是由于休息期间发生的自发认知。与α的负相关表明局部和远程连接的功能抑制,与大脑的空闲状态有关。
2012-09-21 q-bio.NC
Algebraic identification of the effective connectivity of constrained geometric network models of neural signaling
由神经元和胶质细胞相互连接组成的细胞神经回路和网络对脑中与信息处理相关的信息处理起着重要作用。虽然有主要的努力旨在映射大脑网络的结构和(电)生理连接,如白宫大脑倡议旨在开发能够高密度神经记录的神经技术,但用于分析和理解所有这些数据的理论和计算方法似乎还远远落后。在这里,我们提出并提供了一个总结的方法来计算有效的连接神经网络活动的实验观察。该方法基于网络级数据,利用所有相关的先验知识,如网络中单个细胞的动态模型和网络的物理结构连接性,广泛适用于大类生物和非生物网络。
2015-05-15 physics.data-an q-bio.NC
Virtual Electrode Recording Tool for EXtracellular potentials (VERTEX): Comparing multi-electrode recordings from simulated and biological mammalian cortical tissue
Newcastle University(纽卡斯尔大学);Okinawa Institute of Science and Technology(冲绳科学技术大学院大学);University of York(约克大学)
用细胞外电极采样的局部场电位(LFP)经常被用作群体神经元活动的量度。然而,将这种测量与潜在的神经元行为和连接性相关联是不平凡的。为了帮助研究这一联系,我们开发了细胞外电位虚拟电极记录工具(VERTEX)。我们首先确定了一个简化的神经元模型,保留了新皮层神经元细胞外电位的空间和频率滤波特性。然后,我们开发了VERTEX作为一个易于使用的Matlab工具,用于模拟来自大群体(>100 000个神经元)的LFP。一个基于VERTEX的模拟成功地再现了功能的LFPs从体外多电极阵列记录猕猴新皮层组织。我们的模型,虚拟电极放置在3D的任何地方,允许直接比较与体外记录设置。我们设想VERTEX将刺激实验学家、临床医生和计算神经科学家使用模型来理解健康和疾病中测量的大脑动力学的机制。
2014-09-18 cs.AI cs.NE q-bio.NC
Macaque's Cortical Functional Connectivity Dynamics at the Onset of Propofol-Induced Anesthesia
本研究通过分析猕猴硬膜下ECoG记录,利用格兰杰因果关系揭示丙泊酚诱导麻醉期间皮层功能连接的时间动态,发现连接先增后减,枕颞至额顶流占优,为理解意识丧失机制提供新见解。
2023-09-05 q-bio.NC
Evaluation and Ensembling of Methods for Reverse Engineering of Brain Connectivity from Imaging Data
脑科学是一个不断发展的研究领域,具有提供见解的潜力,从而预防和治疗影响数百万患者的多种神经元疾病。发现关系,如大脑连接,是基础,转化和临床科学的主要目标。因果发现的算法被用于不同的领域,用于解决类似于重建神经元大脑连接的任务的问题。我们的目标是了解这些方法的优势和局限性,衡量性能及其决定因素,并提供见解,以提高其性能和适用性。我们进行了广泛的实证测试和基准的重建性能的几个国家的最先进的算法,以及几个集成技术用于将它们结合起来。我们的实验使用了一个明确的和广泛相关的金标准的基础上钙荧光时间序列记录的数千个神经元采样从以前验证的现实,神经元模型。相关性、基于熵的测量、短时间滞后的互相关和广义传递熵具有最佳性能,ROC曲线下面积(AUC)在0.7-0.8范围内,即使对于n = 100至1,000的较小样本量也是如此,并且收敛迅速(小于n = 1,000)。使用随机森林和神经网络的最佳性能方法的集合生成的AUC为~0.9,n = 10,000。获得了关于参数选择和样本量的一些重要见解,用于指导研究的实验设计。我们的数据也支持使用现有技术可靠地重建复杂的神经元连接的可行性。
2016-03-15 q-bio.NC
Covariance Spectrum in Nonlinear Recurrent Neural Networks: A Near-Critical Effective Connection Strength Throughout Chaos
Institute of Neuroscience, Center for Excellence in Brain Science and Intelligence Technology, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Chinese Academy of Sciences(中国科学院脑科学与智能技术卓越创新中心神经科学研究所);The Hong Kong University of Science and Technology(香港科技大学)
本研究在非线性递归神经网络中推导协方差谱,发现其由线性理论方程描述但需替换为有效递归连接强度,该参数在混沌中保持近临界值,为脑临界性提供无需精细调谐的机制解释。
2026-09-09 nlin.CD q-bio.NC
Reconstruction of recurrent synaptic connectivity of thousands of neurons from simulated spiking activity
神经元网络的动力学和功能是由它们的突触连接决定的。然而,目前的实验方法来分析突触网络结构的细胞水平上,只覆盖一小部分的功能神经元回路,通常没有同时记录的神经元尖峰活动。在这里,我们提出了一种方法,从数以千计的并行脉冲序列记录的大型递归神经元网络的重建。我们采用最大似然估计的广义线性模型的尖峰活动在连续时间。对于该模型,点过程似然是凹的,使得可以通过梯度上升获得参数的全局最优。以前的方法,包括那些相同的类,不允许经常性网络的数量级被重建,由于高昂的计算成本和数值不稳定性。我们描述了一个最小的模型,是优化的大型网络和通用计算集群上的并行化数值优化的一个有效的计划。对于1000个神经元的模拟平衡随机网络,在理想条件下,突触连接恢复的误分类错误率小于1%。我们表明,错误率仍然很低,在一系列的例子情况下,逐步不太理想的条件下。最后,我们成功地重建了一个隐藏的synfire链,嵌入在一个随机的网络,这需要聚类的网络连接,以揭示synfire组的连接。我们的研究结果表明,如何突触连接可能被推断出大规模的并行脉冲序列记录。
2015-06-07 q-bio.NC q-bio.QM stat.ML
Investigating Brain Connectivity with Graph Neural Networks and GNNExplainer
TU Dresden(德累斯顿工业大学);HZDR(亥姆霍兹德累斯顿罗森多夫研究中心);UKE(汉堡埃彭多夫大学医院)
功能连接在现代神经科学中起着至关重要的作用。该模式揭示了大脑的功能和结构方面,包括多种病理背后的机制。精神分裂症就是这样一种病理,它通常伴随着幻听。后者通常通过观察语音处理过程中的功能连接来研究。在这项工作中,我们通过深度学习对三组人进行了深入的功能连接检查:有和没有听觉言语幻觉的精神分裂症患者和健康对照组。我们提出了一个基于图神经网络的框架,在这个框架内,我们将EEG数据表示为图域中的信号。该框架允许1)基于EEG记录预测大脑精神障碍,2)区分每组的听力状态和休息状态,3)识别特征任务依赖性连接。实验结果表明,该模型可以区分上述群体与国家的最先进的性能。此外,它提供了一个有意义的信息,研究人员对每个群体的功能连接,我们验证了当前的领域知识。
2022-06-04 cs.LG q-bio.NC
Variational Representational Similarity Analysis (vRSA) for M/EEG
Max Planck Institute for Empirical Aesthetics(马克斯·普朗克人类认知与大脑科学研究所法兰克福美学分部);TUD Dresden University of Technology(德累斯顿工业大学);Ruhr University Bochum(波鸿鲁尔大学);Canadian Institute for Advanced Research (CIFAR)(加拿大高等研究院);University College London(伦敦大学学院)
本文提出了用于神经响应电磁记录的变分表征相似性分析(vRSA),通过变分贝叶斯方法将 RSA 转化为协方差分量估计问题,实现高效假设检验与不确定性量化,并提供了基于公开 EEG 数据的实例及 SPM 软件实现。
2025-11-03 q-bio.NC
Long-term changes in functional connectivity predict responses to intracranial stimulation of the human brain
大脑的靶向电刺激扰乱神经网络并调节刺激部位和远程大脑区域的节律活动。理解,甚至预测,这种神经调节效应对于任何脑刺激的治疗用途都是至关重要的。为此,我们分析了通过颅内脑电图(iEEG)记录的66例局灶性癫痫患者的131次刺激会话中的刺激反应。我们认为功能和结构连接功能的预测在每个iEEG接触的反应。利用多天的多次记录,我们还研究了刺激前发作间期功能连接(FC)的缓慢变化与刺激反应的关系。结果表明,事实上,这种长期的变化FC表现出强烈的相关性与刺激诱导的增量在δ和θ波段的功率。此外,我们通过交叉验证表明,FC的长期变异性提高了对响应的预测,高于单独的空间预测因子的性能。这些发现可以增强针对患者的有效神经调节方案的治疗干预设计。
2021-06-28 q-bio.NC q-bio.QM
Dynamic Brain Networks with Prescribed Functional Connectivity
本文提出用稳态协方差和斜对称矩阵参数化脑动态系统,发现增大斜对称矩阵可提升系统稳定性、兴奋性及高频响应。
2023-10-11 cs.SY eess.SY q-bio.NC
Shaping manifolds in equivariant recurrent neural networks
Laboratoire de Neurosciences Cognitives et Computationnelles, INSERM U960, École Normale Supérieure - PSL Research University(认知与计算神经科学实验室,INSERM U960,巴黎高等师范学院-PSL研究大学);SISSA - Theoretical and Scientific Data Science(的里雅斯特国际高等研究院-理论与科学数据科学)
本文针对循环网络连接性与吸引子几何形状关系的一般原则缺失问题,利用群表示理论形式化两者关系,推广经典环模型至等变RNN并简化为低秩模型,揭示参数依赖的流形共存与稳定性规律。
2025-11-13 q-bio.NC
Learning Cortico-Muscular Dependence through Orthonormal Decomposition of Density Ratios
Imperial College London(伦敦帝国学院);University of Florida(佛罗里达大学)
提出基于密度比正交分解的统计依赖估计器,从EEG与EMG信号学习特征函数等以建模皮层-肌肉振荡关系,解决了可解释性等问题,并能准确分类运动与受试者,揭示特定EEG通道激活。
2024-12-19 cs.AI eess.SP q-bio.NC
Bayesian Learning of Loglinear Models for Neural Connectivity
本文提出了一种贝叶斯方法来学习一组神经元的连接结构的配置频率的数据。这项研究的一个主要目的是提供统计工具,用于检测随着刺激的变化而发生的放电模式的变化。我们的框架并不局限于对相互作用的情况下,但广义的玻尔兹曼机模型,允许更高阶的相互作用。本文应用马尔可夫链蒙特卡罗模型合成(MC 3)算法搜索连通结构,并使用拉普拉斯方法来近似结构的后验概率。在合成数据上测试了方法的性能。该模型也适用于Vaadia在两种不同的注意力状态下的恒河猴视觉皮层中的几个神经元的多单元记录所获得的数据。结果证实了实验者的猜想,即不同的注意状态与不同的交互结构有关。
2013-02-13 cs.LG q-bio.NC stat.AP
Introducing the modularity graph: an application to brain functional networks
本文提出模块度图这一新的图特征,用于刻画图社区间关系,并将其应用于运动想象脑电图估计的脑功能连接网络,通过多尺度统计分析揭示不同运动想象任务对应脑连接状态的差异,为理解运动想象机制和进一步图上信号分析奠定基础。
2024-06-21 q-bio.NC
Bispectrum-based Cross-frequency Functional Connectivity: Classification of Alzheimer's disease
阿尔茨海默病(AD)是一种已知影响脑功能连接(FC)的神经退行性疾病。线性FC措施已被应用于研究AD的差异,通过分裂成离散的频带,如脑电图(EEG)记录的神经生理信号,并分析他们在隔离。除了传统的带内方法外,我们还通过量化交叉频率FC来解决这一限制。交叉双谱是一种高阶谱分析,用于测量非线性FC,并与仅测量频带内线性FC的交叉谱进行了比较。然后,每个频率耦合被用于构造FC网络,FC网络继而被矢量化并用于训练分类器。我们表明,融合来自网络的特征可以提高分类精度。虽然频率内和交叉频率网络都可以用来预测AD具有较高的精度,我们的研究结果表明,基于双谱的FC优于交叉频谱,这表明交叉频率FC的重要作用。
2022-06-10 eess.SP q-bio.NC q-bio.QM
EEG Interpretation Across Chant Listening: A Single-Subject Pilot Investigation Using Spectral and Functional Connectivity Analysis
Centre for Brain Research (CBR), Indian Institute of Science (IISc)(印度科学院脑研究中心);National Institute of Advanced Studies (NIAS)(国立高等研究院)
本研究通过频谱和功能连接分析,比较了五种听觉条件下5岁儿童的大脑活动,发现不同吟唱条件(如Shiv Tandav Stotra)能调节神经振荡并形成不同的功能网络连接模式。
2026-06-24 eess.SP q-bio.NC
Bayesian methods for event analysis of intracellular currents
神经回路功能的研究通常需要对阈下电生理记录中的事件进行统计解释。这个问题是重要的,因为记录可能具有中等水平的结构化噪声,并且事件可能具有不同的动力学。此外,结合光学和电生理方法的新实验设计将依赖于结合多模态数据的统计工具。我们提出了一个贝叶斯方法推断的时间,强度和动力学的突触后电流(PSC)从电压钳记录在每个事件的基础上。简单的生成模型,一个单一的电压钳记录灵活地扩展到包括网络级的结构,使实验设计探测突触连接。我们验证了模拟和真实数据的方法。我们还表明,扩展的基本PSC检测算法可以处理记录污染的光学诱发电流,我们模拟的情况下,钙成像观察,可用于一个子集的神经元,可以与电生理数据融合,以实现更高的时间分辨率。我们将这种方法应用于模拟和真实的地面实况数据,以证明其在检测小信噪比事件方面具有更高的灵敏度,并且与检测PSC的标准方法相比,其对噪声的鲁棒性有所提高。新的贝叶斯事件分析方法的电生理记录,应允许更好地估计的生理参数在更多变的条件下,并帮助支持新的实验设计电路映射。
2016-05-18 q-bio.NC q-bio.QM stat.AP
Scalable inference of functional neural connectivity at submillisecond timescales
Flatiron Institute(平顿研究所);New York University(纽约大学);Fordham University(福特汉姆大学)
本研究提出基于蒙特卡洛和多项式近似的连续时间泊松GLM方法,利用拉盖尔多项式基实现亚毫秒级功能连接推断,在准确性和可扩展性上优于传统分箱方法,并适用于大规模神经记录。
2025-10-23 q-bio.NC stat.ML
Functional connectivity ensemble method to enhance BCI performance (FUCONE)
LISV, UVSQ, Université Paris-Saclay(巴黎萨克雷大学凡尔赛大学计算机科学实验室);Sorbonne Université(索邦大学);Institut du Cerveau - Paris Brain Institute - ICM(巴黎大脑研究所);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Inserm(法国国家健康与医学研究院);AP-HP(巴黎公立医院集团);Hôpital de la Pitié Salpêtrière(皮提耶-萨尔佩特里尔医院);LAMSADE, PSL, Université Paris Dauphine(巴黎多芬大学巴黎文理研究大学决策数学应用实验室)
功能连接是研究脑振荡活动的一个重要方法,它为神经元相互作用的潜在动力学提供了重要的见解,主要应用于脑活动分析。基于脑机接口信息几何学的进展,我们提出了一个新的框架,结合功能连接估计和协方差为基础的管道来分类心理状态,如运动想象。一个黎曼分类器训练每个估计和集成分类器结合在每个特征空间的决定。提供了对功能连接估计器的全面评估,并在不同条件和数据集上评估了称为FUCONE的最佳性能管道。使用荟萃分析来汇总数据集的结果,FUCONE的表现明显优于所有最先进的方法。性能增益主要归因于特征空间的改进的多样性,增加了集成分类器相对于受试者间和受试者内变化的鲁棒性。
2022-02-16 cs.LG q-bio.NC
Covariance Regression for High Dimensional Neural Data via Graph
提出基于图的非参数均值-协方差回归模型,利用低维潜在因子和高斯过程解决高维神经数据中受限输入下的相关性建模问题。
2025-02-03 q-bio.NC stat.AP
Online neural connectivity estimation with ensemble stimulation
Duke University(杜克大学)
系统神经科学的主要目标之一是将神经回路的结构与它们的功能联系起来,然而当记录行为生物体中的大种群时,很难建立连接模式。许多以前的方法都试图使用观测数据的统计建模来估计神经元之间的功能连接,但这些方法严重依赖于参数假设,并且纯粹是相关的。然而,最近,全息光刺激技术使精确定位选定的神经元集合成为可能,提供了建立直接因果联系的可能性。在这里,我们提出了一种基于噪声组测试的方法,该方法大大提高了稀疏网络中此过程的效率。通过刺激神经元的小集合,我们表明,有可能恢复二值化的网络连接与一些测试,只有在最小的统计假设下,人口规模的增长与几何。此外,我们证明了我们的方法,这减少到一个有效的可解凸优化问题,可以与变分贝叶斯推断的二进制连接权重,我们得到严格的后边缘的界限。这使我们能够将我们的方法扩展到流式设置,其中连续更新的后验子允许可选的停止,并且我们证明了在线推断多达数万个神经元的网络连接的可行性。最后,我们展示了我们的工作如何在理论上与压缩感知方法联系起来,并比较了不同设置下的连接性推断结果。
2020-12-07 cs.LG q-bio.NC stat.ML
Functional Connectivity via Total Correlation: Analytical results in Visual Areas
本研究通过解析方法证明总相关优于互信息描述功能连接,在视网膜-外侧膝状体-皮层网络中验证,并应用于自然图像和fMRI视觉区域V1-V2-V3-V4分析。
2023-12-11 math.PR q-bio.NC
Detecting causality in Plant electrical signal by a hybrid causal analysis approach
目前,多电极阵列(MEA)方法和光学记录使我们能够获得更高的时空分辨率的植物电活动。为了理解电信号系统的动态信息流并估计其有效连通性,提出了一种将Granger因果关系和传递熵这两种互补的伤亡分析方法相结合来度量复杂系统动态有效连通性的方法。通过这两种因果分析方法,我们在植物生物电活动的三个不同性质层次上的研究结果揭示了信息流的方向和动态的复杂因果连接词,特别是信息流的方向不仅是沿纵向的,而且在横向上也是传播的。
2017-03-22 q-bio.NC q-bio.TO
SynapsNet: Enhancing Neuronal Population Dynamics Modeling via Learning Functional Connectivity
University of British Columbia(不列颠哥伦比亚大学)
提出深度学习框架SynapsNet,通过学习神经元间的功能连接性来建模群体动力学,在多种记录模态和任务中显著提升了群体活动预测性能,并准确揭示了神经元间的预测性相互作用。
2024-11-12 cs.LG q-bio.NC
Model-free reconstruction of neuronal network connectivity from calcium imaging signals
通过直接电生理测定系统评估全局神经网络连接性在技术上仍然是不可行的,即使在分离的神经元培养物中。我们介绍了一种改进的算法方法的基础上转移熵重建近似网络结构的连接性,通过钙荧光成像监测网络活动。基于信息论,我们的方法不需要事先假设神经元放电和神经元连接的统计。我们的算法的性能是基准上的代理时间序列的钙荧光所产生的模拟动态的网络与已知的地面实况拓扑结构。我们发现转移熵揭示的有效网络拓扑定性地依赖于网络的时间依赖动态状态(例如,爆裂或非爆裂)。因此,我们展示了如何调节相对于全球平均活动提高我们的方法的性能。[...]与其他重建策略,如互相关或格兰杰因果关系的方法相比,我们的方法基于改进的转移熵是显着更准确。特别是,它提供了一个很好的重建网络聚类系数,允许区分弱或强集群拓扑,而另一方面,基于互相关的方法将不变地检测人为的高水平的集群。最后,我们提出了我们的方法的适用性,在体外皮质文化的真实记录。我们证明,这些网络的特点是一个升高的聚类水平相比,随机图(虽然不是极端的),并通过显着的非本地连接。
2012-05-28 cond-mat.dis-nn q-bio.NC
Self-Supervised Discovery of Neural Circuits in Spatially Patterned Neural Responses with Graph Neural Networks
Department of Electronic Engineering(电子工程系);Department of Artificial Intelligence(人工智能系);Hanyang University(翰阳大学)
本研究提出一种基于图神经网络的模型,通过自监督结构学习同时预测神经活动并推断潜在连接,在合成与真实数据上验证了其恢复准确连接权重的能力。
2025-10-25 cs.LG q-bio.NC q-bio.QM
Application of Time-Aware PC algorithm to compute Causal Functional Connectivity in Alzheimer's Disease from fMRI data
本研究应用Time-aware PC(TPC)算法从三组受试者的静息态fMRI数据推断全脑因果功能连接,识别出阿尔茨海默病导致改变的因果脑连接及受影响脑区,结果与临床文献一致。
2024-02-20 q-bio.NC q-bio.QM stat.AP
An optimization method to simultaneously estimate electrophysiology and connectivity in a model central pattern generator
中央模式发生器(CPG)似乎已经在整个动物王国进化了多次,这表明它们的设计赋予了显着的进化优势。深入了解如何实现这种设计是阻碍了固有的困难,在检查的CPG的组成细胞的电生理特性和它们的功能连接之间的关系。也就是说:实验上,同时估计两个或三个以上这些属性的值是具有挑战性的。我们采用统计数据同化(D.A.)以估计多模态网络模型中组成神经元的突触权重、突触反转电位和离子通道的最大电导。然后,我们使用这些估计来预测网络所表达的功能活动模式。所使用的测量是电路中所有神经元的膜电压时间序列。我们发现,这些测量提供了足够的信息,以产生准确的预测网络的相关电活动。该实验可以直接应用于真实的实验室中,使用来自已知生物CPG的细胞内记录,其结构映射是已知的,并且可以从动物中完全分离。本文的模拟结果表明,DA可能提供一个工具,同时估计数十至数百个CPG属性,从而提供了机会,以寻求这些属性和紧急电活动之间可能的系统关系。
2018-09-04 physics.bio-ph q-bio.NC
A shotgun sampling solution for the common input problem in neural connectivity inference
推断神经元网络的连通性仍然是统计神经科学的一个关键挑战。“共同输入”问题提出了主要的障碍:很难可靠地区分观察到的神经元对之间的因果联系与未观察到的神经元的共同输入引起的相关性。由于现有的记录技术允许我们同时从一小部分大型网络中进行采样,并且具有足够的时间分辨率,因此忽略这些常见输入效应的朴素连接估计具有很大的偏差。这项工作提出了一个'猎枪'的实验设计,在其中,我们观察多个子网络简要地,在一个串行的方式。因此,虽然不能在任何给定时间同时观察到整个网络,但我们可以在整个实验期间观察到它的大部分。使用脉冲递归神经网络的广义线性模型,我们开发了可扩展的近似贝叶斯方法来执行这种类型的数据的网络推理,其中在每个时间仓中只观察到网络的一小部分。仿真结果表明:(1)鸟枪实验设计可以消除常见输入效应引起的偏差。(2)具有数千个神经元的网络,其中每个时间仓中仅观察到一小部分神经元,可以快速准确地估计。(3)如果我们利用关于在两个神经元之间具有连接的概率、其对神经元细胞类型的依赖性(例如,戴尔定律),或者它对神经元之间距离的依赖性。
2014-12-18 q-bio.NC q-bio.QM stat.AP
Graph-Based Representation Learning of Neuronal Dynamics and Behavior
Turner Institute for Brain and Mental Health(大脑与心理健康研究所);School of Psychological Sciences, Monash University(墨尔本大学心理学科学学院);Cortical Labs(皮层实验室)
提出TAVRNN框架,通过概率图学习与时间注意力机制建模时变神经元连接,在单单元与群体层面学习潜在动力学,跨三种数据集验证其优于现有方法,揭示了适应性行为与神经网络演化拓扑间的新关系。
2025-05-30 cs.LG cs.NE q-bio.NC