Connectivity and Dynamics of Neuronal Networks as Defined by the Shape of Individual Neurons
神经元网络构成了一类特殊的动力系统，因为它们是由单独的几何组件，即神经元组成的。在现有的文献中，相对较少的关注已经给予了神经元的形状对新兴网络的整体连通性和动力学的影响。目前的工作解决这个问题，考虑简化的神经元形状组成的圆形区域（体细胞/轴突）与辐条（树突）。网络是通过将这些图案随机放置在2D平面上并在树突落入轴突时建立连接来生长的。几个拓扑和动力学性质的结果图的测量，包括度分布，聚类系数，连接的对称性，最大连通分量的大小，以及三个层次的局部拓扑结构的测量。通过改变单个基本模式的进程数量，我们可以量化单个神经元形状与网络的拓扑和动力学特征之间的关系。这些网络上的整合和消防动力学也调查相对于从源节点的瞬态激活，表明远程连接中起着重要的作用，雪崩的传播。
2008-05-12 q-bio.NC
Skeletonization of neuronal processes using Discrete Morse techniques from computational topology
Cold Spring Harbor Laboratory（冷泉港实验室）；University of California San Diego（加利福尼亚大学圣迭戈分校）；University of California Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出结合深度网络与离散 Morse 技术的轴突片段骨架化方法，用于从全脑示踪剂注射数据估算体积长度密度，并以信息论度量评估单轴突形态带来的增益。
2025-05-12 cs.CV q-bio.NC
A high-efficiency model indicating the role of inhibition in the resilience of neuronal networks to damage resulting from traumatic injury
针对创伤性脑损伤导致的局灶性轴突肿胀对神经元网络信号传输的影响，研究提出一种高效算法重现脉冲序列过滤特性，发现添加突触前抑制性神经元可增强或维持网络处理保真度。
2023-04-01 math.DS q-bio.NC
An outlook on extracellular waveforms produced by the three neuronal compartments
German Center for Neurodegenerative Diseases (DZNE)（德国神经退行性疾病中心）；NeuroCure Cluster of Excellence（神经治愈卓越集群）；Einstein Center for Neurosciences（爱因斯坦神经科学中心）；Bernstein Center for Computational Neuroscience, Humboldt-Universität zu Berlin（柏林洪堡大学伯恩斯坦计算神经科学中心）；Max Delbrück Center for Molecular Medicine in the Helmholtz Association（亥姆霍兹协会马克斯·德尔布吕克分子医学中心）；Institute for Theoretical Biology, Humboldt-Universität zu Berlin（柏林洪堡大学生物理论研究所）；Institute of Biology, Otto-von-Guericke-University Magdeburg（马格德堡奥托·冯·格里克大学生物学研究所）
本文通过生物物理建模和实验观察，探讨了三个神经元 compartment 对细胞外波形的影响，并提出通过幅度、持续时间和空间范围来区分不同波形。
2026-01-09 q-bio.NC
Stochastic Models of Neuronal Growth
Tufts University（塔夫茨大学）
本文综述轴突生长的随机模型，结合朗之万动力学与福克-普朗克方程，耦合肌动蛋白-肌球蛋白-离合器模型，分析轴突动态的稳定性，为神经修复相关工程设计提供依据。
2026-08-11 nlin.AO physics.bio-ph 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
μSpikeHunter: An advanced computational tool for the analysis of neuronal communication and action potential propagation in microfluidic platforms
了解神经元通信是神经科学的基础，但很少有方法提供详细的分析控制良好的条件。通过将微电极阵列与微射流（μEF设备）连接，可以将神经元培养物与轴突和微电极的特定对齐进行区室化。这种设置允许在几周的过程中以高信噪比对尖峰传播进行细胞外记录。针对这些μEF系统，我们开发了一种先进但易于使用的开源计算工具μSpikeHunter，它提供了几个通信相关属性的详细量化，如传播速度，传导故障，尖峰时间和编码机制。μEF设备和μSpikeHunter的组合可用于标准神经元培养或共培养配置，例如，监测和评估感觉神经元和其他细胞类型之间的通信。分析轴突信号的能力（以用户友好、时间有效、高通量的方式）为研究外周神经支配、神经编码和神经再生方法等开辟了新的途径。我们展示了μSpikeHunter在背根神经节神经元中的使用，我们分析了μEF设备中顺行信号的存在。
2018-09-26 q-bio.NC q-bio.QM
Modeling tau transport in the axon initial segment
通过假设tau蛋白可以处于七种动力学状态，我们建立了tau蛋白在轴突和轴突起始段（AIS）中转运的模型。两组单独的动力学常数进行了测定，一个在轴突和其他的AIS。这是通过将轴突中的模型预测与实验结果拟合以及通过将AIS中的模型预测与AIS中总tau浓度的假定线性增加拟合来完成的。校准模型用于预测轴突和AIS中的tau转运。据我们所知，这是第一篇论文，提出了一个数学模型的tau运输的AIS。我们的建模结果表明，游离tau与MT的结合在AIS中产生了游离tau的负梯度。这导致扩散驱动的tau从胞体转运到AIS中。该模型进一步表明，tau的缓慢轴突运输和扩散驱动的运输在AIS中一起工作，使tau顺行移动。我们的数值结果预测这两种机制之间的相互作用：随着距离的增加，从胞体，扩散驱动的运输减少，而电机驱动的运输变得更大。因此，AIS中的机器就像一个泵，将tau蛋白转移到轴突中。
2020-10-01 q-bio.NC q-bio.SC
Identification of Neuronal Polarity by Node-Based Machine Learning
识别神经网络中信号流的方向是理解活体大脑复杂信息动力学的最重要阶段之一。利用分布在果蝇大脑不同区域的213个投射神经元的数据集，我们开发了一种强大的机器学习算法：基于节点的神经元极性识别器（NPIN）。该模型仅通过节点信息进行训练，包括体细胞特征（包含从给定节点到体细胞的空间信息）和局部特征（包含给定节点的形态信息）。在包括节点极性之间的空间相关性之后，我们的NPIN提供了极高的准确性（>96.0%）用于神经元极性的分类，即使对于具有多于两个树突/轴突簇的复杂神经元。最后，我们进一步应用NPIN分类的丽蝇的神经元极性，这是一个更少的神经元数据。我们的研究结果表明，NPIN是一个强大的工具，以确定神经元极性的昆虫和映射出的信号流在大脑的神经网络。
2020-06-22 q-bio.NC
The role of ion channels in the transmission of signals along axons
本文提出二维电生理模型与轴突房室模型，分析离子通道及细胞参数对神经元响应和信号传导的影响，并揭示多峰传播中首峰速度恒定且更快。
2023-12-11 physics.bio-ph q-bio.NC
Axon Hillock Currents Allow Single-Neuron-Resolution 3-Dimensional Functional Neural Imaging Using Diamond Quantum Defect-Based Vector Magnetometry
随着磁场传感技术的发展，通过检测动作电位相关磁场（APMF）来测量脑中单个神经元的功能活动正成为一种可行的替代方法。由于蠕虫的大轴突的尺寸，测量其APMF是可能的。在哺乳动物大脑中，轴突的大小，数量和路线，限制了使用这种功能成像方法。利用哺乳动物锥体神经元分段模型，我们发现轴突丘区的轴内电流的APMF比其他神经元部位的大两个数量级。通过宽场金刚石-氮-空位-中心-磁力测定法（DNVM）模拟了神经元体积的自然尖峰活动的预期2维矢量磁场图。基于字典的匹配追踪型算法应用于使用轴突丘的APMF签名的数据，允许以单细胞分辨率在脑组织体积中时空重建AP。因此，APMF信号的增强加上NVMM的进步，可能会取代目前的功能性脑映射技术。
2020-04-29 cond-mat.mes-hall physics.app-ph 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
Reliability of signal transmission in stochastic nerve axon equations
我们介绍了一种方法，用于计算概率的自发活动和传播失败的动作电位在空间扩展，基于电导的神经元模型受到通道噪声，基于膜电位的统计特性。我们比较不同的估计器的检测质量，计算成本和鲁棒性，并提出沿轴突的膜电位的积分作为一个适当的估计，以检测自发活动和传播失败。执行模型简化，我们实现了一个简化的解析表达式的基础上的线性化在静息电位（分别）。移动动作电位（traveling action potential）这允许近似的概率自发活动和传播失败的一维线性随机微分方程的（经典）命中概率。质量的近似相对于噪声幅度进行了讨论和说明与空间扩展的霍奇金-赫胥黎的数值结果。
2016-03-21 math.DS math.PR q-bio.NC
Exploring Neuronal Bistability at the Depolarization Block
许多神经元表现出双稳态-两种放电模式共存，如爆发和强直尖峰或强直尖峰和沉默。一般来说，双稳态被认为赋予神经元更丰富的信息处理形式，特别是通过允许短暂的信号引起放电的长期变化而参与短期记忆。在本文中，我们重点关注双稳态，允许在广泛的去极化水平下在强直性尖峰和去极化阻滞之间进行选择。我们考虑在两个神经元，模型的参数值不同的尖峰产生电流。我们的多巴胺能神经元模型在去极化阻滞时在很宽的施加电流范围内显示出双稳态。乌贼巨轴突的Hodgkin-Huxley模型没有显示出双稳态。我们改变了模型的参数值，以分析两个参数集之间的转换。我们发现，双稳态主要表征的Na+电流的失活。我们的研究表明，Na+窗口电流的量和双稳态范围的长度之间的连接。对于多巴胺能神经元，我们假设双稳态可能与抗精神病药物的长期作用有关。
2012-07-13 q-bio.NC
Neuronal electricality founded in murburn-thermodynamic principles: 1. Background and basic theoretical formulation
Amrita School of Artificial Intelligence, Coimbatore, Amrita Vishwa Vidyapeetham（阿穆里塔人工智能学院，科因巴托尔，阿穆里塔维迪亚佩特汉大学）；Satyamjayatu: The Science & Ethics Foundation（真理即胜利：科学与伦理基金会）；Department of Biomedical Engineering, Wayne State University（韦恩州立大学生物医学工程系）
本文基于Murburn热力学原理，提出神经电活动的机制模型，结合局部氧化还原动力学与热力学梯度驱动的输运，推导出统一的反应-输运-松弛方程，解释静息电位、可兴奋性及信号传播。
2026-06-30 q-bio.NC q-bio.SC
Modeling the Nervous System as An Open Quantum System
提出了一种多神经元交互系统的神经网络模型，该模型模拟神经元通过神经元胞体周围环境进行交互。我们将神经元细胞周围的神经元细胞，包括树突、轴突和突触以及周围的神经胶质细胞，物理建模为神经元动作电位的电路环境中产生的各种振荡模式的集合。通过开放量子系统的主方程方法分析该神经模型的动力学，我们研究了神经元的集体行为。在对神经网络施加刺激后，神经元集体状态被激活并显示动作电位行为。我们发现，该模型能够产生随机的神经元-神经元相互作用，能够从物理上描述神经系统中的信息传递过程，为理解神经系统的动力学行为提供了一条潜在的途径。
2021-07-02 q-bio.NC quant-ph
Spike-timing-dependent plasticity with axonal delay tunes networks of Izhikevich neurons to the edge of synchronization transition with scale-free avalanches
在过去的二十年里，临界脑假说在实验和理论神经科学中都得到了广泛的研究。然而，仍然存在一些重要的问题：（1）大脑运作的临界点是什么？(ii)是什么样的调控机制导致并维持了这种临界状态？(iii)临界状态的特点是尺度不变的行为，这似乎是在明确的脑振荡不一致？在这项工作中，我们考虑了一个生物动机的模型Izhikevich神经元网络与化学突触通过尖峰时间依赖可塑性（STDP）以及轴突的时间延迟相互作用。在一般和生理相关的条件下，我们表明，该系统是有组织的，并保持在一个同步过渡点，而不是与吸收状态相变的活动过渡点。然而，这样一个国家表现出实验相关的迹象，包括无标度雪崩的临界动力学与有限大小的缩放以及分支比。虽然系统显示具有高度相关波动的随机振荡，但它也显示被视为功率谱中的尖峰的主导频率模式。STDP的作用以及时间延迟是至关重要的，在实现和维持这种关键的动态，而抑制的作用是不重要的。这样，我们就可以对上述三个问题提供明确的答案。我们还表明，可以实现超临界或亚临界动力学，如果一个改变与轴突传导的平均时间延迟。
2019-07-22 nlin.AO q-bio.NC
Fitting Splines to Axonal Arbors Quantifies Relationship between Branch Order and Geometry
神经形态学对于识别神经元亚型和理解学习至关重要。它也与神经系统疾病有关。然而，标准的形态学分析侧重于宏观特征，如分支频率和区域之间的连接，往往忽略了神经元的内部几何结构。在这项工作中，我们把神经元迹点作为一个采样的可微曲线和适合他们与一组分支B样条。我们设计了我们的表示与Frenet-Serret公式从微分几何铭记。Frenet-Serret公式完全刻画了光滑曲线的特征，并且包含两个参数：曲率和挠率。我们的表示使得有可能从封闭形式的神经元迹线计算这些参数。这些参数是沿着曲线连续定义的，与依赖于起点和终点的其他参数（如弯曲度）相反。我们将我们的方法应用于在两个小鼠大脑中追踪的皮质投射神经元的数据集，并发现参数在初级，侧支和末端轴突分支之间分布不同，从而量化轴突乔木的不同组成部分之间的几何差异。结果在两个大脑中一致，进一步验证了我们的陈述。这项工作中使用的代码可以很容易地应用于SWC格式的神经元轨迹，并且可以在我们的开源Python包brainlit中获得：http://brainlit.neurodata.io/。
2021-06-05 cs.MS math.DG q-bio.NC
Metabolic efficiency with fast spiking in the squid axon
从根本上说，鱿鱼轴突中的动作电位是钠离子在尖峰的上升相的去极化期间进入的结果，该尖峰由钾离子在下降相的超极化期间的流出介导。在动作电位期间，具有电压变化所需的最小电荷的完美代谢效率将限制钠进入上升相和钾流出下降相。然而，由于钠通道在下降阶段保持开放到一个显着的程度，向内和向外电流的一定重叠被观察到。在这项工作中，我们调查的影响，离子重叠的腺苷三磷酸（ATP）分子的数量和能量成本所需的每个动作电位作为一个函数的温度在霍奇金-赫胥黎模型。基于最近的一种方法来计算的能量成本的神经元AP代离子计数的基础上，我们表明，提高发射频率引起的较高的温度意味着更有效地利用钠进入，然后减少所需的代谢能量成本恢复后的动作电位的浓度梯度。此外，我们确定的钠电导值的水解效率提出了一个明确的最小值。
2012-11-28 math.DS physics.bio-ph q-bio.NC
In-phase and anti-phase synchronization in noisy Hodgkin-Huxley neurons
我们数值研究了固有通道噪声对神经元系统延迟耦合动力学响应的影响。尖峰的随机动力学在标准Hodgkin-Huxley模型的随机修改内建模，其中延迟耦合占动作电位沿神经元轴突的有限传播时间。我们量化这种延迟耦合的金字塔型在相应的突触前和突触后膜电位之间的差异。对于由两个耦合神经元组成的基本神经元网络，我们检测到具有多个相位翻转分叉的特征随机同步模式：相位翻转分叉以从同相尖峰活动向反相尖峰活动交替过渡的形式发生。有趣的是，这些相位翻转在强信道噪声中保持鲁棒性，进而导致尖峰频率的显著稳定。
2013-02-19 physics.bio-ph q-bio.NC
Nanodiamonds-induced effects on neuronal firing of mouse hippocampal microcircuits
荧光纳米金刚石（FND）是碳基纳米材料，可以有效地结合光学活性的光致发光中心，如氮空位复合物，从而使它们成为光学生物标记和药物递送剂的有前途的候选者。FND表现出明亮的荧光，没有光漂白，结合高摄取率和低细胞毒性。针对FNDs对神经元功能的干扰，本文研究了它们对培养的海马神经元的影响，监测整个网络的发育以及单个神经元的电生理特性。我们观察到，FND急剧降低抑制性（从1.81 Hz至0.86 Hz）和兴奋性（从1.61 Hz至0.68 Hz）的微小突触后电流的频率，并一致降低动作电位（AP）的放电频率（由36%），通过微电极阵列测量。相反，爆发同步被保留，以及自发抑制和兴奋事件的幅度。电流钳记录显示，与AP列车的高频率（快速尖峰）与神经元响应与列车的低频（慢尖峰）的神经元的比例是不变的，这表明FND施加了类似的行动神经元亚群。在单细胞水平，体细胞AP（“扭结”）的快速发作显着减少，在FND处理的神经元，这表明轴突和树突成分的贡献减少，同时保持神经元的兴奋性。
2018-03-02 physics.bio-ph q-bio.NC
On the role of anaxonic local neurons in the crossover to continuously varying exponents for avalanche activity
具有分级电位释放的局部轴突神经元是神经系统的重要成分，存在于哺乳动物的嗅球系统、人类视觉系统以及节肢动物和线虫中。我们开发了一个神经元网络模型，包括轴突和anaxonic神经元和监测活动调整以下参数：局部神经元的梯度电位的衰减长度，局部神经元的分数，邻接矩阵的最大特征值和局部神经元的连接范围。调整局部神经元的分数，我们推导出的相图，包括两个过渡线：一个临界线分离亚临界和超临界区域，其特征在于雪崩的大小和持续时间的幂律分布，和一个分叉线。我们发现，该系统的整体行为是由一个参数调整的相关性，局部神经元的轴突传输。自发活动的统计特性在很大程度上受到局部神经元的影响，并且在梯度电位传输占主导地位的轴突的情况下。在这种情况下，自发活动的标度特性表现出连续变化的指数，而不是平均场分支模型的普适类。
2020-11-16 cond-mat.stat-mech q-bio.NC
The Green's function formalism as a bridge between single and multi-compartmental modeling
神经元是在空间上延伸的结构，其树突上接收和处理输入。一般认为，神经元的计算产生于突触输入沿着树突的输入位置和轴突初始段中的尖峰产生位置之间的主动整合。然而，许多应用程序，如大脑网络的模拟，使用点神经元-没有形态组件的神经元-作为计算单元，以保持概念的复杂性和计算成本低。因此，这些应用不可避免地忽略了神经元计算的一个基本性质。在这项工作中，我们提出了一种模拟人工突触的方法，该方法可以模拟树突处理，而无需显式模拟树突动力学。模型突触采用电缆方程的解析解来计算树突输入后的神经元膜电位。格林函数形式主义是用来推导出封闭版本的电缆方程。我们表明，通过使用这种突触模型，点神经元可以实现以前仅限于多房室模型的领域的结果。此外，当只有少量的模拟突触撞击在形态上精细的神经元上时，实现了计算优势。机会和限制进行了讨论。
2013-09-10 q-bio.NC
Preserving Derivative Information while Transforming Neuronal Curves
本研究针对神经元追踪结果映射时忽略线段弯曲导致误差的问题，应用jet理论提出保留任意阶导数的方法，并利用Jacobian构建误差计算框架，一阶方法显著提升了模拟与真实数据的映射精度，已开源在brainlit包中。
2023-08-01 cs.NA math.NA q-bio.NC
Pixel Embedding Method for Tubular Neurite Segmentation
Tsinghua University（清华大学）
针对神经突分割中形态复杂、纤维遮挡的问题，提出基于像素嵌入的深度网络与端到端SWC重建流水线，还设计了新的拓扑评估指标，在fMOST数据集上显著降低拓扑重建错误率。
2025-07-31 cs.CV eess.IV q-bio.NC
Topology-Dependent Emergence of Polychronous Neuronal Groups: A Recurrence-Plot Characterization
Complex Systems Modelling Graduate Program, School of Arts, Sciences and Humanities (EACH), University of São Paulo（圣保罗大学艺术与人文科学学院复杂系统建模研究生项目）；Department of Physics, Faculty of Philosophy, Sciences and Letters of Ribeirão Preto (FFCLRP), University of São Paulo（圣保罗大学里贝朗普雷图哲学、科学与文学院物理系）
通过模拟Izhikevich神经元网络，发现聚类系数是多时序神经元群数量的主要结构驱动因素，小世界拓扑为最优结构，并引入递归图框架实现无标签识别。
2026-06-25 nlin.AO q-bio.NC
Mechanical Surface Waves Accompany Action Potential Propagation
许多研究表明，轴突膜的机械位移伴随着定义动作电位（AP）的电脉冲。尽管有大量不同的实验证据，但对于这种机械波的物理基础以及它与电信号的相互依赖性，都没有理论共识。在这篇手稿中，我们提出了一个模型，这些机械位移所产生的驱动表面波模式，其中势能存储在弹性的神经元膜和细胞骨架，而动能进行的轴浆流体。在我们的模型中，这些表面波是由表征AP的电去极化的行波驱动的，改变了膜上的压缩静电力。这种驱动导致共同传播的机械位移，我们称之为动作波（AW）。我们的模型，这些AW使我们能够预测，在弹性常数，轴突半径和轴浆密度和粘度，AW的形状，应该伴随着任何行波的电压，包括AP预测的霍奇金和赫胥黎（HH）方程。我们表明，我们的模型作出的预测是一致的实验系统，包括鳄鱼的嗅觉神经和鱿鱼的巨大轴突的结果。我们希望我们的模型作为一个框架，了解这些AWs在神经生物学中的物理起源和可能的功能作用。
2014-10-05 cond-mat.soft physics.bio-ph q-bio.NC
From communication to computation in neurons-on-a-chip: an in silico study of neurotopomorphic computing
School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院）
该研究通过in silico实验探究芯片上神经元网络的架构与计算关系，提出IC$^3$表征方法，发现低IC$^3$的特定架构在分类任务上表现最佳，并引入神经拓扑形态计算新方向。
2026-10-06 cs.ET cs.NE q-bio.NC
Intra-neuronal attention within language models Relationships between activation and semantics
Neocognition (Chrysippe R&D)（新认知公司（克律西佩研发部））；Facultés Libres de Philosophie et de Psychologie de Paris (ER IPC)（巴黎自由哲学与心理学院（ER IPC））；Faculté de Médecine de Lyon Est (Université Lyon 1)（里昂第一大学东里昂医学院）；Université Paris 8（巴黎第八大学）；INP-PHELMA, Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学INP-PHELMA学院）
本文研究语言模型中感知器型神经元的神经元内注意力，发现高激活 token 上存在微弱的激活—类别同态关系，并可促进下一层的类别重构与高级抽象形成。
2025-03-17 cs.AI cs.CL q-bio.NC
Spatio-temporal activity patterns induced by triadic interactions in an in silico neural medium
本研究探究含三元相互作用的漏性积分放电神经元构成的计算机模拟神经介质的涌现行为，发现参数调控下会出现四种不同时空活动模式，并将结果与三元渗流模型关联。
2024-10-30 cond-mat.dis-nn q-bio.NC
A Time-Resolved Framework for Quantifying Neuronal Network State Transitions
University of Trento（特伦托大学）
提出一个多参数时间分辨分析框架，结合组合分析分解电极级状态，以揭示常规方法难以检测的细微瞬态网络反应，并在药理学和光遗传学干预下验证其有效性。
2026-10-07 q-bio.NC q-bio.QM
Synthesis of neural networks for spatio-temporal spike pattern recognition and processing
大规模神经计算平台的出现突出了缺乏用于合成神经结构以执行预定义的认知任务的算法。神经工程框架提供了一个这样的合成，但它是最有效的神经信息的尖峰速率表示，它需要大量的神经元来实现简单的功能。我们描述了一种神经网络合成方法，该方法为处理时间编码的神经信号的神经元生成突触连接，并且非常稀疏地使用神经元。该方法允许用户任意指定神经元特征，例如轴突和树枝延迟以及突触传递函数，然后使用计算出的树枝权重求解最佳输入输出关系。该方法可以用于批量或在线学习，并且具有极快的优化过程。我们证明了它的使用生成一个网络来识别语音是稀疏编码的尖峰时间。
2013-04-26 cs.NE q-bio.NC
Forecasting Whole-Brain Neuronal Activity from Volumetric Video
Google Research（谷歌研究院）；Harvard University（哈佛大学）；HHMI Janelia（霍华德·休斯医学研究所珍妮亚研究园区）
本文研究直接从体积视频预测全脑神经元活动，设计了具有大感受野的深度学习模型以捕捉长程依赖，并在ZAPBench基准上证明其优于基于轨迹的方法，凸显了保留空间结构的优势。
2025-02-27 cs.CV cs.LG q-bio.NC
Neuron Platonic Intrinsic Representation From Dynamics Using Contrastive Learning
Peking University（北京大学）；University of Georgia（佐治亚大学）；Chinese Academy of Sciences（中国科学院）；The Hong Kong University of Science and Technology（香港科技大学）
受柏拉图表示假说启发，提出NeurPIR框架，通过对比学习从不同外周条件下的神经元多段活动数据中提取时不变本征表示，满足同神经元片段相似性与域外泛化性，在模拟和真实数据集上准确识别神经元类型与位置。
2025-02-18 cs.AI cs.NE q-bio.NC
Technical Report - Automatic Contour Extraction from 2D Neuron Images
Institute of Mathematics and Statistics - USP（圣保罗大学数学与统计研究所）；Instituto de Física de São Carlos - USP（圣保罗大学圣卡洛斯物理研究所）
这项工作描述了一种新的方法，自动轮廓提取从2D图像的3D神经元（如相机lucida图像和其他类型的2D显微镜）。大多数基于轮廓的形状分析方法不能用于表征这样的细胞，因为神经元过程之间的重叠。拟议的框架是专门针对的问题，即使在存在多个重叠的轮廓。首先，对输入图像进行预处理，以获得具有一个像素宽的分支的8连接骨架，以及一组关键区域（即，分叉和交叉）。接下来，对于每个子树，跟踪阶段迭代地标记分支的所有有效像素，直到临界区域，在该临界区域中，它确定合适的方向以继续进行。最后，标记的骨架段之后，以产生分析下的神经元形状的参数轮廓。所报告的系统成功地测试了几个图像和一组三个神经元图像的结果在这里呈现，每个属于不同的类，即α，δ和β神经节细胞，共包含34个交叉。算法成功地跨越了所有这些重叠。该方法也被发现表现出鲁棒性，即使是图像与密切的平行段。所提出的方法是鲁棒的，并且可以以有效的方式实现。这种方法的引入应该为更系统地应用基于轮廓的形状分析方法在神经元形态学中铺平道路。
2008-10-24 cs.CV q-bio.NC
