.png){kind=icon}
返回
Information-theoretic gradient flows in mouse visual cortex
.png){kind=icon}
OA
AI
DOI：10.3389/fninf.2025.1700481.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引言神经活动可以用随时间连续演变的概率分布来描述。表征这些分布在皮层区域间传递时如何被重塑，对于理解大脑中信息的组织方式至关重要。
方法我们开发了一个数学框架，将此类转换表示为信息论梯度流——即遵循熵和期望最陡上升的动态轨迹。这两个泛函的相对强度提供了可解释的度量，用于衡量神经概率分布在其于神经系统中传播时的变化。在通过计算机模拟进行构建验证后，我们将该框架应用于公开可用的连续ΔF/F双光子钙成像记录数据，数据来源于小鼠视觉皮层。
结果分析显示，在所有五只小鼠中，颞侧区域与初级视觉皮层之间存在一致的双向转换。这些发现表明，熵和期望的相对贡献可以被区分，并用于描述皮层网络内的信息流。
讨论我们介绍了一种框架，用于将神经信号转换分解为可解释的信息论组成部分。除小鼠视觉皮层外，该方法可应用于多样化的神经成像模态和尺度，从而提供一种通用的方法来量化信息几何如何塑造皮层通信。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.5
论文数:
101
被引数:
4.5K
机构
引用论文
The Correlation Structure of Local Neuronal Networks Intrinsically Results from Recurrent DynamicsOAAI
OAAI分享收藏Cracking the Neural Code for Sensory Perception by Combining Statistics, Intervention, and Behavior通过结合统计，干预和行为来破解感官知觉的神经代码.png)
NEURONOAAI
NEURONIF15
OAAI分享收藏分享收藏分享收藏分享收藏
查看更多内容