知识的大脑连通性是现代神经科学的一个重要方面,了解大脑是如何实现其功能的。在这个工作中,神经质量模型包括四组兴奋和抑制性神经元用于估计三个皮层区域之间的连通性的利益(roi)脚部活动期间的任务。真实的数据是通过获得高分辨率的头皮脑电图在两个人群:健康志愿者和瘫痪患者的病人。3-shell边界元模型的头部被用来估计皮层电流密度和获得皮层脑电图三roi。模型假定每个ROI可以产生一种内在的节奏在测试范围内,并接收节奏在α和γ范围从其他两个地区。连接的优势在roi估计通过一个原始遗传算法,试图减少几个成本函数之间的区别真实功率谱密度模型。结果表明,强连接的扣带皮层主要和辅助运动区,因此强调所发挥的关键作用<我nline-formula>
众所周知,即使是简单的执行电机和/或由大脑认知任务需要多个皮质区域的参与,通过塑料是相互联系和交流信息远程突触。因此,知识的大脑连接成为现代神经科学的一个重要方面,尤其有用理解大脑如何实现其基本功能和不同地区的角色是什么。连接,然而,是一个难以捉摸的概念,可有不同的定义取决于研究者的重点(
作为替代方法来研究有效连接,几个作者近年来采用所谓的“神经质量模型。“这些模型最初是在年代中期提出( 应用程序质量的神经模型来估计有效连接,然而,一个非常艰巨的任务,由于参数参与人数的增加和非线性项的存在,排除使用解析解。例如,在最近的一篇论文( 由于这个原因,在本文,我们设计了一个新的方法,基于遗传算法,提供一种自动拟合模型和实际数据之间的关系。选择成本的方法试图找到绝对最小值函数在同一个程序。遗传算法已被用于评估神经质量模型的参数,以满足实际数据(见,例如,
模型的一个人口获得通过修改提出的方程Wendling et al。 平均每个神经组接收从其他组突触后膜电位,并将平均膜电位转换为平均密度峰值发射的神经元。这种转换是通过静态模拟反曲的关系。突触的影响是通过二阶线性传递函数,描述突触前峰值密度转化为突触后膜的潜力。三种不同的突触,脉冲响应<我nline-formula>
这些方程的符号<我nline-formula>
前面的模型被用来模拟一个ROI,随之而来的动态的相互作用的四个神经子组。为了研究如何roi互动,我们考虑N roi互联通过远程兴奋性连接。模拟这个连接我们假设锥体神经元的平均峰值密度(<我nline-formula>
实验发生在圣卢西亚的实验室基础上,罗马,知情同意后。这个话题是舒服地坐在扶手椅上,双手放松,在一个电屏蔽,昏暗的房间。他被要求执行一个轻快的嘴唇突出(唇追求)时执行一个右脚运动。58-channel脑电图系统(BrainAmp、Brainproducts GmbH德国)是用来记录电势通过电极帽,相应地延长10 - 20的国际体系。A / D采样率为200 Hz。在电动机的任务,主题是指示避免眨眼,吞咽或以外的任何运动所需的运动。双肌电图记录的控制和脊髓损伤(SCI)主题,与表面电极从右侧口轮匝肌和胫骨前肌肌肉检测脚和嘴唇动作,分别。electro-oculograms(小城镇)记录,以避免试验与工件由于但动作。肌电图监测整个录音从电极放置如上所述,以避免由于肌肉工件质量差的录音。工件拒绝进行试验(从广泛的分割<我nline-formula>
3-shell边界元模型(BEM)的头部被用来估计皮层电流密度(CCD)分布在一些地区的利益(ROI)的皮层(扣带皮层(CMA_L),主运动区(M1F_L)和辅助运动区(SMAp_L)从活动测量在头皮上。以前作品中描述的程序使用( 使用韦尔奇功率谱所计算的平均修正周期图法( 我们检查了5科目与脊髓损伤(SCI);<我nline-formula>
为了执行后续装配,我们只选择那些脑电图轮廓的α和γ节奏是位于大约相同的频率三个roi。这对应于模型假设(见下面),每一个节奏是由一个单一的外部来源(这个选择的局限性将最后讨论)。102年轮廓满足这一标准。这些试验的算法能够适应59:36名健康受试者试验和23瘫痪患者的试验。
真正的脑电图分析(参见[ 在目前的研究中我们采用第二个假设。首先,我们认为丘脑接收外部输入(模拟作为一个重要的白噪声项)和驱动其他人群,但从他们(即不接受任何连接。,任何可能的反馈从丘脑皮层是被忽视)。因此,电动机命令源于该地区低频(LF),向皮层和传播。此外,三个roi皮层(CMA_L、M1F_L SMAp_L)可以招募一个γ或高频节奏从另一个地区(高频),这可能是位于前额叶皮层。这节奏应该反映认知或意识方面的任务。最后,扣带皮层还可以调节高频区域和驱动其他两个roi(即。,主要和辅助运动区)。后者通过反馈回路有关。整体模型的草图如图
模型数量相对较大的参数,但只有少数人使用的变量拟合过程。似乎让合适的算法调整所有的模型参数导致不连贯的解决方案:相同的模拟功率谱可以用不同的参数。所以估计的参数匹配算法只有兴奋性突触的时间常数的倒数(调整功率峰值频率)和连接的优势(调整功率相对振幅峰值)。其他参数常量值,给定的表
遗传算法(GA)是解决优化问题的搜索技术,通过模拟达尔文的自然选择( GA分为代。每一代由很多候选人的个人解决方案拟合模型参数(套)。第一代通常是随机的。参数表示为一些数组(染色体)。每个排名与拟合系数(FC)的范围<我nline-formula>
实现遗传算法的主要挑战是找到一个有效的拟合函数确定FCs和等级的个体,因此,该算法能够收敛在合理的时间。比较真实的模拟信号,我们使用他们的PSD。实际上,分析频率和振幅峰值的PSD允许评估节律特征信号,频率,每个频带相关联的相对实力。 我们介绍了一些改变原始遗传算法以提高其收敛速度。 算法停止当个人完成提高FCs,或者400代之后。最后模拟最好的个体属于熔炉是最好的解决方案。 我们注意到最有益的变化是那些最好的类似于自然选择。
Exempla模型拟合的四个典型案例图所示 比较真实的(虚线)和模拟(实线)功率谱密度的三个区域M1F_L(初级运动皮层),<我nline-formula>
估计突触权重的平均值和瘫痪患者病人的健康人群中所示图的直方图 连接权值(平均值<我nline-formula>
首先,通过考虑整体拟合参数,没有区分健康和瘫痪患者,可以观察到一些权重主要与他人相比。尤其是强连接来自cyngulate皮质初级运动皮层,和cyngulate皮层辅助运动皮层。突触的视觉摘要的优点,计算通过使用两种群的平均参数,底部面板的图所示 其次,从一个单独的参数估计,可以发现在统计上有显著差异的健康之间的突触强度和瘫痪患者科目。尤其是,连接在瘫痪患者患者高出约12%(平均)与健康志愿者。差异在两个类之间的连接权重是非常重要的(<我nline-formula>
最后,我们使用了两种人群的突触强度的平均值来计算聚合PSDs(一个典型的健康主题使用的平均参数类,另一个典型的瘫痪患者主题)。结果见图 典型的例子使用平均功率谱密度与模型模拟连接权重估计在健康的志愿者(左面板)和瘫痪患者患者(右面板)。所有光谱归一化酉地区6-50赫兹范围。值得注意的是γ的更高的峰值范围,和较低的峰值在瘫痪患者的β区间病人与健康受试者相比。
这项工作的目的是获得感兴趣的主要区域之间连接的模式(扣带皮层和主要和辅助运动区)参与简单的运动任务。为此,我们使用质量模型和神经电生理数据获取与头皮脑电图,传播到大脑皮层。此外,我们分析了正常和瘫痪患者对象之间的区别。尽管各种试图连接来自脑电图,描述脑电图在病理条件下出现在文献中,大多数作品利用经验模型(例如,基于一致性和时间序列之间的相关性)。几个试图通过解释说明现有的数据模型可以在文献中找到( 一个解释模型,参数有明确的生物物理意义,和假设的模型允许制定生理机制,神经结构和参数变化负责数据生成。承诺模型假设的存在神经群众互动,相互连接,生成神经信号测量电活动负责。相似的模型与贝叶斯推理集成框架(名为“动态因果模型”的作者)Friston和合作者估计使用的有效连接从神经影像数据( 我们的工作之前的论文方向相同。然而,三个主要创新方法论方面应该有一个关键的讨论:什么样的信息用于验证模型,采用结构模型,对参数估计和拟合过程。 第一个重要问题涉及什么样的数据模型是为了繁殖,因此,测量相比,模型输出。这是一个关键,因为模型的类型和结构是严格依赖于问题正在研究。在这工作,因为在之前的 一个重要方面是,我们集中注意在三个roi,我们从未尝试过其他的配件。roi的选择根据他们的被广泛接受的考虑参与的准备和执行简单的自发的运动。事实上,有一种普遍的共识,即M1F和内侧的方面<我nline-formula>
为了模拟脑电图光谱模式在这些领域,包括α和β和γ的节奏,我们采用了一个简单的模型结构基于几个先验假设。首先我们假定扣带皮层驱动器的主要运动区和辅助运动区在执行任务,但它只接收反馈可以忽略不计。这种假设似乎是合理的,扣带皮层受到的关注最近在神经科学文献[ 进一步假设下的三个roi分析,如果刺激,可以用一种内在的振动β节律。这种假设同意目前的知识。事实上,正如传统文学中描述,β运动相关的活动范围通常是靠近手指运动后感觉运动区( 除此之外基本方面,该模型包含两个重要的假设,这是用于生成α和γ的节奏,但有一个不明显的生理和神经。 首先,模型假定一个低频阿尔法节律源于外部区域(我们叫“丘脑区”),然后传播到其他地区。事实上,一个典型的想法在α节律的起源 一个重要的简化,值得简要评论,是我们忽略了任何反馈从皮质区域“丘脑区突触。“当然,cortico-thalamic反馈存在于大脑和可能有α谱的调制作用的内容。我们的选择采用了只是为了减少参数的拟合过程中,为了避免“过度拟合的问题。“事实上,增加未知参数的数量提高了装配质量,但加剧了参数估计的可靠性。 另一个重要的假设是,也伽马节奏源于外部区域,我们应该位于额叶皮质。这个假设被观察,证实了额叶皮质神经元显示了摆动40 Hz的固有能力( 一旦这个模型结构设计,基本的一点是关于哪些方面的光谱应该用于执行之间的最佳拟合模型的预测和实际数据。在以前的作品我们使用最小二乘准则函数的模型和测量光谱的区别 在目前的工作我们尝试一个创新的策略,基于PSD的想法,并不是所有方面都平等的利益。特别是,我们集中注意特别是在主要的位置和相对振幅峰值功率谱,认为这些总结底层机制生成EEG节律。此外我们尝试不同的互补的“成本函数”在遗传算法(GA)的实现。虽然GA耗费时间与其他最小化技术相比,他们提供可能尝试不同的替代方案的问题(实现不同部落)和克服局部最小值的问题(这往往使拟合过程站不住脚)的结果通过突变产生不同的儿子在参数空间。 用这种技术有两种主要的目标追求:发现可能的简单电路,连接三个提到的roi,能够解释观察到的PSDs,检测可能的差异之间的连接电路健康受试者和瘫痪患者患者。结果指出这两个类之间的显著差异的存在,特别是对于关心链接的权重低频(丘脑)和高频区域主要和辅助运动皮层。特别是,这些权重在瘫痪患者患者与健康人相比,这些差异有统计学意义。连接权值的差异可能反映了更高的意识(与γ组件)和更多的关注与丘脑输入)(相关瘫痪患者患者比正常个体,即更大的浓度对任务。的存在更大的和更强的连接权重的皮层连接网络瘫痪患者患者的估计比先前估计在健康志愿者(几个作者所观察到的 我们工作的另一个有趣的结果是,神经回路的最大重量是那些链接扣带皮层运动区。这个结果强调了前馈信号的重要性额叶皮层的随意运动的启动和规划。 在目前的工作我们12进行统计检验,因此可能的反对意见是,显著性水平应该纠正占多个假设。是否校正是合适的问题相当复杂,取决于工作的目的。为明确表示在最近的出版物 最后,重要的是要讨论的主要限制目前的初步工作,为未来的变化和可能的线。 第一个方面担忧的可变性参数估计在同一个主题。虽然这种可变性相比还是少强调两个类之间和不同学科之间在同一类中,它仍然是相当高。分析如何连接模式可能会有所不同从一个试验在同一主题下未来仍然需要更深入的分析。 在当下我们假设连接来源于锥体神经元模型,达到兴奋中间神经元的输入,也就是说,我们没有考虑可能的横向连接的锥体神经元抑制中间神经元。抑制interarea连接,然而,可能是重要的神经活动减少,避免不稳定和提高同步的节奏。侧抑制性突触被认为是由大卫et al。 目前的工作的另一个重要限制是模型能够模拟PSD光谱只有三个roi的节奏(α和γ乐队)几乎相同的频率。鉴于,我们排除了所有试验中呈现不同的频率谱的最佳拟合过程。此限制的原因是,这三个roi收到相同的阿尔法和伽马振荡外部roi(即。,从低频区域或丘脑阿尔法节律;从高频伽马节奏ROI,前额,见图 最后,我们意识到,利用遗传算法,虽然非常灵活的在寻找一个好的解决方案避免局部最小值,是浪费时间。选择更有效的拟合方法(可能引入一些先验概率的估计,根据贝叶斯方法( 总之,目前的工作是第一次尝试来解释的存在多个节奏在三个roi参与运动的任务,及其变化,使用一个简单的模型相互连接的数量。令人鼓舞的结果担心能力获得可靠的PSD光谱,通过作用于几个参数代表连接权重,并检测这两个类之间的显著差异。然而,重要的限制仍然很明显:他们尤其关心缺乏抑制相互作用的roi,个别参数估计的分散,难以生成更灵活的谱峰。克服这些局限性值得未来的工作。 然而,尽管他们目前的局限性,我们主张神经交互质量的模型可能是很有价值的获得更深入洞察EEG节律机制生成,并开始制定更多量化假设背后的神经结构和连通性变化运动/认知任务。
这项工作是支持的行动BM0601”NeuroMath成本。“成本办公室或任何个人代理代表其负责的使用可能使出版物中包含的信息。成本办公室不负责外部网站本刊物。