神経細胞から記録された高次元データの連結性推定【JST・京大機械翻訳】

De Blasi Stefano

プレプリント

J-GLOBAL ID：202202209038622480 整理番号：22P0147196

神経細胞から記録された高次元データの連結性推定【JST・京大機械翻訳】

Connectivity estimation of high dimensional data recorded from neuronal cells

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2020年05月01日プレプリントサーバーでの情報更新日： 2020年05月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

この命題の主な結果は,全スパイキング確率エッジ(TSPE)と呼ばれる新しい連結性推定法の開発である。異なる時間スケールでの相互相関とエッジフィルタリングに基づいて,この方法を提案し,理論的枠組みを本研究で概説した。TSPEは,記録された活動電位を用いて,阻害と興奮性接続の間の分類を可能にする。この方法を比較するため,接続性を推定するための最新のアルゴリズムの状態に関する学習が必要である。研究の後,有望なアルゴリズムを実装し,UAS Aschaffenburgのバイオーム研究室における他者の間で,更なる研究トピックのために評価した。これらのアルゴリズムを評価するために,それらの既知の連結性のため,in silicoネットワークを用いた。これにより,著者らのアルゴリズム結果の正当性を検証することができた。したがって,生物物理学的に代表的なニューロンネットワークシミュレーションが最初に必要である。データセットを異なる方法でシミュレートし,評価フレームワークを開発するために分析した。in silicoネットワークでの成功した評価の後,in vitro実験とそれらの分析はこのプロジェクトを完成させた。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

脳・神経系モデル

, , ,

前のページに戻る