Causal Network Inference for Neural Ensemble Activity.
Causal Network Inference for Neural Ensemble Activity.
复制标题
神经集成活动的因果网络推理。
DOI：
10.1007/s12021-020-09505-4
复制
发表时间：
2021-07
期刊：
影响因子：
3
通讯作者：
Chen R
中科院分区：
文献类型：
--
作者：
Chen R
形成中观尺度脑网络（微电路）的细胞组分之间的相互作用显示出特有的神经动力学。对微电路的分析提供了对健康和疾病的神经生物学的系统级理解。因果发现的目的是根据观测数据发现变量之间的因果关系。因果发现的一个关键障碍是变量空间的高维性。提出了一种基于钙成像或电生理时间序列重构因果网络的微电路因果推理方法。CAIM结合了神经记录、贝叶斯网络建模和神经元聚类。基于仿真数据和现实世界伸手任务数据集的验证实验表明，CAIM能够准确地揭示神经集群之间的因果关系。
Interactions among cellular components forming a mesoscopic scale brain network (microcircuit) display characteristic neural dynamics. Analysis of microcircuits provides a system-level understanding of the neurobiology of health and disease. Causal discovery aims to detect causal relationships among variables based on observational data. A key barrier in causal discovery is the high dimensionality of the variable space. A method called Causal Inference for Microcircuits (CAIM) is proposed to reconstruct causal networks from calcium imaging or electrophysiology time series. CAIM combines neural recording, Bayesian network modeling, and neuron clustering. Validation experiments based on simulated data and a real-world reaching task dataset demonstrated that CAIM accurately revealed causal relationships among neural clusters.
登录
查看更多内容
影响因子：
4.3
作者：
George D;Hawkins J
通讯作者：
Hawkins J
影响因子：
6.1
作者：
FISHER, FM
通讯作者：
FISHER, FM
影响因子：
7.8
作者：
Friston, KJ
通讯作者：
Friston, KJ
DOI：
10.1109/embc.2012.6346993
发表时间：
2012
期刊：
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
影响因子：
--
作者：
Cowley BR;Kaufman MT;Churchland MM;Ryu SI;Shenoy KV;Yu BM
通讯作者：
Yu BM
影响因子：
2.9
作者：
Eldawlatly S;Zhou Y;Jin R;Oweiss KG
通讯作者：
Oweiss KG