换一批
换一批摘要大脑是人体最复杂的器官,各个脑区之间的连接构成了复杂的功能性网络系统,脑网络连接特征的变化与脑的生理病理状态密切相关.近年来,脑网络构建与分析算法成为计算神经科学领域的研究热点之一.在众多脑网络分析方法中,动态因果模型(DCM)由于具有生物物理合理性在探索神经网络的有效连接特性中得到了广泛关注.从基本原理、神经元集群模型和应用等方面对DCM进行综述.首先,介绍DCM的基本原理,并以基于卷积和基于电导的两类神经元集群模型为例,对DCM算法的关键组成——神经生物学模型的建模思想、原理及发展进程进行回顾;然后,综述近年来DCM在认知功能和疾病病理等相关神经信号分析领域的应用,指出DCM有望成为探索脑功能整合机制的方法;最后,结合近几年DCM算法的研究进展及其局限性进行总结和展望.
更多相关知识
关键词
动态因果模型神经元集群模型有效连接神经信号脑网络dynamic causal modelingneuronal population modeleffective connectivityneural signalbrain network
分类号
R318
栏目名称
综述
DOI
10.3969/j.issn.0258-8021.2023.06.011
发布时间
2024-03-15
基金项目
河北省引进留学人员资助项目
国家自然科学基金
- 浏览3
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
