Nonlinear System Identification of Neural Systems from Neurophysiological Signals.
Nonlinear System Identification of Neural Systems from Neurophysiological Signals.
复制标题
DOI：
10.1016/j.neuroscience.2020.12.001
复制
发表时间：
2021-03-15
期刊：
影响因子：
3.3
通讯作者：
Yang Y
中科院分区：
文献类型：
--
作者：
He F;Yang Y
人类神经系统是自然界中最复杂的系统之一。复杂的非线性行为已经从单个神经元水平到系统水平被显示。几十年来，线性连接分析方法，如相关性，一致性和格兰杰因果关系，已被广泛用于评估神经系统中的神经连接和输入输出互连。最近的研究表明，这些线性方法只能捕获少量的神经活动和功能关系，因此不能精确或完整地描述神经行为。在这篇综述中，我们突出了最近的进展，在非线性系统识别的神经系统，相应的时域和频域分析，和新的神经连接措施的非线性系统识别技术的基础上。我们认为，非线性建模和分析是必要的定量研究神经元处理和神经系统中的信号传输。这些方法有望提供新的见解，以促进我们对神经功能的神经生理机制的理解。这些非线性方法也有可能产生敏感的生物标志物，以促进精确诊断工具的开发，用于评估神经系统疾病和靶向干预的效果。
The human nervous system is one of the most complicated systems in nature. Complex nonlinear behaviours have been shown from the single neuron level to the system level. For decades, linear connectivity analysis methods, such as correlation, coherence and Granger causality, have been extensively used to assess the neural connectivities and input-output interconnections in neural systems. Recent studies indicate that these linear methods can only capture a small amount of neural activities and functional relationships, and therefore cannot describe neural behaviours in a precise or complete way. In this review, we highlight recent advances in nonlinear system identification of neural systems, corresponding time and frequency domain analysis, and novel neural connectivity measures based on nonlinear system identification techniques. We argue that nonlinear modelling and analysis are necessary to study neuronal processing and signal transfer in neural systems quantitatively. These approaches can hopefully provide new insights to advance our understanding of neurophysiological mechanisms underlying neural functions. These nonlinear approaches also have the potential to produce sensitive biomarkers to facilitate the development of precision diagnostic tools for evaluating neurological disorders and the effects of targeted intervention.
登录
查看更多内容
影响因子：
3
作者：
Bastos AM;Schoffelen JM
通讯作者：
Schoffelen JM
影响因子：
5.7
作者：
Chella F;Marzetti L;Pizzella V;Zappasodi F;Nolte G
通讯作者：
Nolte G
DOI：
10.1111/j.1460-9568.2012.08238.x
发表时间：
2012-11
期刊：
The European journal of neuroscience
影响因子：
--
作者：
Jeong J;Shi WX;Hoffman R;Oh J;Gore JC;Bunney BS;Peterson BS
通讯作者：
Peterson BS
影响因子：
--
作者：
Chua, K. C.;Chandran, V.;Lim, C. M.
通讯作者：
Lim, C. M.
DOI：
10.1049/ip-d.1983.0034
发表时间：
1983-01-01
期刊：
IEE PROCEEDINGS-D CONTROL THEORY AND APPLICATIONS
影响因子：
--
作者：
BILLINGS, SA;VOON, WSF
通讯作者：
VOON, WSF