論文の概要: Identifying stimulus-driven neural activity patterns in multi-patient intracranial recordings

• arxiv url: http://arxiv.org/abs/2202.01933v1
• Date: Fri, 4 Feb 2022 01:29:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-07 16:09:12.603008
• Title: Identifying stimulus-driven neural activity patterns in multi-patient intracranial recordings
• Title（参考訳）: マルチ患者頭蓋内記録における刺激駆動型神経活動パターンの同定
• Authors: Jeremy R. Manning
• Abstract要約: 刺激駆動型神経活動パターンの同定は、認知の神経基盤を研究する上で重要である。 第1章では、一般的な場合における刺激駆動型神経活動パターンの同定に関する主な課題について概説する。 マルチ患者頭蓋内記録における刺激駆動型神経活動パターンの同定とモデル化には,様々な物体内および物体間アプローチを検討する。
• 参考スコア（独自算出の注目度）: 0.26651200086513094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying stimulus-driven neural activity patterns is critical for studying the neural basis of cognition. This can be particularly challenging in intracranial datasets, where electrode locations typically vary across patients. This chapter first presents an overview of the major challenges to identifying stimulus-driven neural activity patterns in the general case. Next, we will review several modality-specific considerations and approaches, along with a discussion of several issues that are particular to intracranial recordings. Against this backdrop, we will consider a variety of within-subject and across-subject approaches to identifying and modeling stimulus-driven neural activity patterns in multi-patient intracranial recordings. These approaches include generalized linear models, multivariate pattern analysis, representational similarity analysis, joint stimulus-activity models, hierarchical matrix factorization models, Gaussian process models, geometric alignment models, inter-subject correlations, and inter-subject functional correlations. Examples from the recent literature serve to illustrate the major concepts and provide the conceptual intuitions for each approach.
• Abstract（参考訳）: 刺激による神経活動パターンの同定は、認知の神経基盤を研究する上で重要である。 これは、電極の位置が患者によって異なる頭蓋内データセットでは特に困難である。 本章は,第一に,刺激駆動型神経活動パターンの同定における主な課題について概説する。 次に、頭蓋内記録に特有ないくつかの問題についての議論とともに、モダリティ特有の考慮とアプローチについて検討する。 このような背景から,多症例の頭蓋内記録における刺激駆動型神経活動パターンの同定とモデル化のための,様々な対象内および対象間アプローチを検討する。 これらのアプローチには、一般化線形モデル、多変量パターン解析、表現類似性解析、合同刺激-活動モデル、階層行列分解モデル、ガウス過程モデル、幾何アライメントモデル、オブジェクト間の相関、オブジェクト間の機能相関が含まれる。 最近の文献の例は、主要な概念を説明し、それぞれのアプローチに概念的直観を提供するのに役立つ。

関連論文リスト

• Exploring Behavior-Relevant and Disentangled Neural Dynamics with Generative Diffusion Models [2.600709013150986]
  行動の神経基盤を理解することは神経科学の基本的な目標である。 私たちのアプローチは、BeNeDiff'と呼ばれるもので、まずきめ細やかな神経部分空間を識別します。 次に、最先端の生成拡散モデルを使用して、各潜伏因子の神経力学を解釈する行動ビデオを合成する。
  論文  参考訳（メタデータ） (2024-10-12T18:28:56Z)
• Neural Dynamics Model of Visual Decision-Making: Learning from Human Experts [28.340344705437758]
  視覚入力から行動出力まで,包括的な視覚的意思決定モデルを実装した。 我々のモデルは人間の行動と密接に一致し、霊長類の神経活動を反映する。 ニューロイメージング・インフォームド・ファインチューニング手法を導入し、モデルに適用し、性能改善を実現した。
  論文  参考訳（メタデータ） (2024-09-04T02:38:52Z)
• Connectivity structure and dynamics of nonlinear recurrent neural networks [46.62658917638706]
  我々は,ニューラルネットワークの高次元,内部的に発生する活動が接続構造をどのように形成するかを解析する理論を開発する。 我々の理論は、ニューラルネットワークアーキテクチャと人工および生物学的システムにおける集合力学を関連付けるためのツールを提供する。
  論文  参考訳（メタデータ） (2024-09-03T15:08:37Z)
• Optimal Transport for Latent Integration with An Application to Heterogeneous Neuronal Activity Data [1.5311478638611091]
  本稿では,複雑な生物学的プロセスにおいて共有パターンを抽出する最適なトランスポートに基づく,新しい異種データ統合フレームワークを提案する。 本手法は,少数の被験者でも有効であり,アライメントに補助的なマッチング情報を必要としない。
  論文  参考訳（メタデータ） (2024-06-27T04:29:21Z)
• Latent Variable Sequence Identification for Cognitive Models with Neural Bayes Estimation [7.7227297059345466]
  本稿では,ニューラルベイズ推定を拡張して,実験データと対象変数空間との直接マッピングを学習する手法を提案する。 我々の研究は、リカレントニューラルネットワークとシミュレーションベースの推論を組み合わせることで、潜在変数配列を特定することで、研究者がより広範な認知モデルにアクセスできるようになることを強調している。
  論文  参考訳（メタデータ） (2024-06-20T21:13:39Z)
• Deep Latent Variable Modeling of Physiological Signals [0.8702432681310401]
  潜時変動モデルを用いた生理モニタリングに関する高次元問題について検討する。 まず、光学的に得られた信号を入力として、心の電気波形を生成するための新しい状態空間モデルを提案する。 次に,確率的グラフィカルモデルの強みと深い敵対学習を組み合わせた脳信号モデリング手法を提案する。 第3に,生理的尺度と行動の合同モデリングのための枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T17:07:33Z)
• Analyzing the Effects of Handling Data Imbalance on Learned Features from Medical Images by Looking Into the Models [50.537859423741644]
  不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。 ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
  論文  参考訳（メタデータ） (2022-04-04T09:38:38Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)
• Towards Interaction Detection Using Topological Analysis on Neural Networks [55.74562391439507]
  ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。 本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。 PID(Persistence Interaction Detection)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-25T02:15:24Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。