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
- Self-supervised multimodal neuroimaging yields predictive
representations for a spectrum of Alzheimer's phenotypes [27.331511924585023]
この研究は、マルチモーダル・ニューロイメージングデータから複数の表現を学習するための、新しいマルチスケール協調フレームワークを提案する。
本稿では,情報誘導バイアスの一般的な分類法を提案する。
自己教師型モデルでは,事前トレーニング中にラベルにアクセスすることなく,障害関連脳領域とマルチモーダルリンクを明らかにする。
論文 参考訳(メタデータ) (2022-09-07T01:37:19Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-05-21T14:08:53Z) - 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) - Stroke recovery phenotyping through network trajectory approaches and
graph neural networks [0.966840768820136]
トラジェクトリプロファイルクラスタリング (TPC) 法を用いて, NINDS tPAトライアルのデータを分析し, 異なる脳卒中回復パターンを同定する。
臨床的に関連のある脳卒中症候群と一致した3つの異なる脳卒中軌跡について検討した。
論文 参考訳(メタデータ) (2021-09-29T18:46:08Z) - 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) - System identification of biophysical neuronal models [1.7188280334580197]
入力出力データからの神経力学の同定は依然として難しい問題である。
GOBFは識別問題に取り組むのに特に適している。
本手法は, カニ胃ガングリオンの破裂モデルの同定に有用である。
論文 参考訳(メタデータ) (2020-12-14T16:41:27Z) - 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) - A shared neural encoding model for the prediction of subject-specific
fMRI response [17.020869686284165]
本稿では,個人レベルでの差分を考慮した共有畳み込みニューラルエンコーディング手法を提案する。
本手法は,視覚刺激や聴覚刺激によって誘発される主観的応答の予測を改善するために,多目的データを活用する。
論文 参考訳(メタデータ) (2020-06-29T04:10:14Z) - 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) - A new inference approach for training shallow and deep generalized
linear models of noisy interacting neurons [4.899818550820575]
我々は2段階の推論戦略を開発し、相互作用するニューロンの堅牢な一般化線形モデルを訓練する。
古典的手法と比較して、この方法で訓練されたモデルは性能が向上していることが示される。
この手法は深部畳み込みニューラルネットワークに拡張することができ、ニューロンの発火速度とその相関の予測精度の高いモデルが得られる。
論文 参考訳(メタデータ) (2020-06-11T15:09:53Z)
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。