Inferring functional connections between neurons.
Inferring functional connections between neurons.
复制标题
推断神经元之间的功能连接。
DOI：
10.1016/j.conb.2008.11.005
复制
发表时间：
2008-12
影响因子：
5.7
通讯作者：
Koerding, Konrad P.
中科院分区：
文献类型：
--
作者：
Stevenson, Ian H.;Rebesco, James M.;Miller, Lee E.;Koerding, Konrad P.
神经科学的一个中心问题是神经元之间的相互作用如何引起行为。在许多电生理学实验中，当感觉刺激或运动任务变化时，记录一组神经元的活动。旨在从这些数据中揭示神经元之间潜在相互作用的工具可能非常有用。传统上，神经科学家使用纯粹的描述性统计（交叉相关图或联合刺激时间直方图）来研究这些相互作用。然而，这些数据的解释往往是困难的，特别是随着记录的神经元数量的增长。最近的研究表明，基于模型的最大似然方法可以改善这些分析。除了估计神经相互作用，这些技术的应用改善了外部变量的解码，创造了现有的电生理数据的新的解释，并可能提供新的见解大脑如何表示信息。
A central question in neuroscience is how interactions between neurons give rise to behavior. In many electrophysiological experiments, the activity of a set of neurons is recorded while sensory stimuli or movement tasks are varied. Tools that aim to reveal underlying interactions between neurons from such data can be extremely useful. Traditionally, neuroscientists have studied these interactions using purely descriptive statistics (cross-correlograms or joint peri-stimulus time histograms). However, the interpretation of such data is often difficult, particularly as the number of recorded neurons grows. Recent research suggests that model-based, maximum likelihood methods can improve these analyses. In addition to estimating neural interactions, application of these techniques has improved decoding of external variables, created novel interpretations of existing electrophysiological data, and may provide new insight into how the brain represents information.
登录
查看更多内容
影响因子：
4.8
作者：
Hampson, M;Peterson, BS;Gore, JC
通讯作者：
Gore, JC
影响因子：
2.5
作者：
AERTSEN, AMHJ;GERSTEIN, GL;PALM, G
通讯作者：
PALM, G
影响因子：
2.9
作者：
Brody, CD
通讯作者：
Brody, CD
影响因子：
5.7
作者：
Friston, Karl J.;Harrison, Lee;Mattout, Jeremie
通讯作者：
Mattout, Jeremie
影响因子：
5.7
作者：
Horwitz, B
通讯作者：
Horwitz, B