.png){kind=icon}
返回
A Model-Free Method to Quantify Memory Utilization in Neural Point Processes
.png){kind=icon}
PRE
AI
DOI：10.1109/TBME.2025.3546842.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标：量化神经系统的预测能力，即其存储信息并主动利用这些信息以驱动动态系统演化的能力，是神经信息处理的关键组成部分。信息存储（IS）作为衡量动态系统中主动利用记忆的主要信息论度量，仅适用于离散时间过程，尽管近期理论工作为其连续时间分析奠定了基础，但针对更广泛神经数据应用仍需可靠的计算方法。方法：本研究引入了一种无需模型的记忆利用率（MUR）估计方法，MUR是IS的连续时间对应量，专门用于量化存储在神经点过程中的预测能力。此外，采用基于替代数据的程序来校正估计偏差并检测所分析点过程中的显著记忆水平。结果：该方法首先通过泊松过程模拟（包括无记忆和有记忆情况）以及耦合皮层动力学和心率动力学的真实模型进行验证。随后应用于反映中枢和自主神经系统活动的真实放电序列：在自发生长的皮层神经元培养中，MUR检测到随成熟阶段进展的记忆利用率水平提升，这与同步爆发活动的出现相关；在心率调制分析中，MUR反映了伴随姿势应激发生的交感神经激活和迷走神经撤出，但在精神应激条件下未观察到此现象。结论与意义：所提出的方法为计算神经科学和生理学中的放电序列数据分析提供了一种新颖且计算可靠的工具。
Keyword:
Information dynamics
information storage
memory utilization
point processes
期刊
I
IF:
4.5
论文数:
540
被引数:
2.8W
机构
引用论文
Estimating Transfer Entropy in Continuous Time Between Neural Spike Trains or Other Event-Based Data
OAAI
OAAI分享收藏Wiener-Granger Causality in Network Physiology With Applications to Cardiovascular Control and Neuroscience网络生理学中的wiener-granger因果关系及其在心血管控制和神经科学中的应用.png)
PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏
查看更多内容