کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6862991 | 1439401 | 2018 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Connectivity inference from neural recording data: Challenges, mathematical bases and research directions
ترجمه فارسی عنوان
نتیجه گیری اتصال از داده های ضبط عصبی: چالش ها، مبانی ریاضی و مسیرهای تحقیق
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
استنتاج اتصال اتصال به عملکرد ارتباط موثر ضبط چند الکترود تصویربرداری فلورسانس کلسیم،
ترجمه چکیده
این مقاله بررسی روشهای محاسباتی برای نتیجه گیری اتصال از داده های فعالیت عصبی حاصل از ضبط چند الکترود یا تصویربرداری فلورسانس است. ابتدا چالش های بیوفیزیکی و فنی را در استنتاج اتصال در طول خط لوله پردازش داده ها شناسایی می کنیم. سپس، روشهای استنتاج اتصال مبتنی بر دو مبانی عمده ریاضی، یعنی روشهای توصیفی بدون مدل و روشهای مبتنی بر مدل مولد را بررسی می کنیم. ما تحقیقات نمایشی در هر دو دسته را بررسی می کنیم و مشخص می کنیم کدام چالش ها با کدام روش حل شده است. ما بیشتر مسائل باز بحرانی و مسیرهای تحقیق ممکن را شناسایی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This article presents a review of computational methods for connectivity inference from neural activity data derived from multi-electrode recordings or fluorescence imaging. We first identify biophysical and technical challenges in connectivity inference along the data processing pipeline. We then review connectivity inference methods based on two major mathematical foundations, namely, descriptive model-free approaches and generative model-based approaches. We investigate representative studies in both categories and clarify which challenges have been addressed by which method. We further identify critical open issues and possible research directions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neural Networks - Volume 102, June 2018, Pages 120-137
Journal: Neural Networks - Volume 102, June 2018, Pages 120-137
نویسندگان
Ildefons Magrans de Abril, Junichiro Yoshimoto, Kenji Doya,