文摘

客观的。系统建模是一个重要的方法来研究大脑的工作机制。本研究试图建立一个模型,大脑从热力学的角度在系统层面上,这给大脑带来了新的视角建模。方法。关于大脑区域系统,体素作为粒子,粒子的能量和强度信号,大脑的热力学模型建立了基于正则系综理论。两双激活区域和两双灭活的大脑区域在这项研究中,选择了比较和基于该模型的热力学性质进行了分析。此外,热力学性质提取输入特征检测的阿尔茨海默氏症。主要结果。实验结果验证了假设大脑遵循热力学定律。这证明了提出的大脑热力学建模方法的可行性和合理性,说明热力学参数来自我们的模型可以应用于描述神经系统的状态。同时,大脑热力学模型取得了良好的精度检测的阿尔茨海默病,建议的潜在应用热力学模型辅助诊断。意义。(1)在前面的研究中,只有一些热力学参数在物理喻和应用大脑图像分析,同时,在这项研究中,一个完整的系统模型,提出了大脑通过热力学原理。基于神经系统模型提出,热力学参数来描述观察和获得的神经系统的进化。(2)的基础上,提出了热力学模型,我们发现和证实了神经系统也遵循热力学定律:激活系统总是导致的内能增加,自由能,增加和减少熵是什么发现在许多其他系统除了经典热力学系统。(3)神经疾病的检测证明受益于热力学模型,确实证实了提出的热力学模型可以描述神经系统疾病的演变。它进一步隐含的巨大潜力热力学辅助诊断。

1。介绍

人类的大脑是最复杂的器官与无限的潜力。进一步了解大脑的生理原理和工作机制,科学家们试图构建模型从不同的角度的大脑,然后观察和研究系统状态和特征。因此,动力应用于建模的神经系统,称为神经动力学,是一个重要的理论。它试图构建基于动力学各级神经系统模型,从宏观microscopicion通道连接的大脑皮层。然后,系统状态和动态特性可以观察到探索大脑的工作机制。德科和卷1]研究神经元突触的强化机制和有偏见的竞争下使用动态分析。基于神经动力学,Quyen [2发达,一个全面的框架来分析大脑大规模的时空特征。海勒和凯西3]研究颞开发青少年的情感通过构建相应的模型和神经动力学探索时间动态变化之间的关系在青少年情绪和情绪/焦虑症。Amari和Maginu4)建立了一个基于统计的自相关联想记忆模型神经动力学分析召回过程中的非平衡动力学行为。通过简化KIII模型,哈特和Kozma5]建立非周期的KA模型动态观察皮质系统理解智能行为的生物制剂。

大脑网络也是重要的建模的神经系统,是基于功能集成在神经生理学和分化机制。大脑网络包括大脑结构网络和脑功能网络。大脑结构网络描述了解剖单位之间的联系,比如白质纤维束(6]。脑功能网络着重于描述单位之间的交互,例如,功能相关性[7)或抑制性神经元的autocoherent振荡(8]。大脑网络建模也被应用于研究各种神经疾病的病理机制。香等。9探索了最短路径的变化和脑功能网络的聚类系数在阿尔茨海默氏症。Dubbelink et al。10]研究帕金森病的脑网络拓扑的变化使用脑磁图描记术。宋et al。11]研究癫痫脑功能网络之间的差异,对照组使用全球互信息和全球效率不同的乐队与整个大脑脑磁图描记术。大脑网络允许人们多样化的先前的研究聚焦于一个特定的独立的对象,以了解生理神经系统的原理和工作机制在不同层次上从合作的角度大脑的工作机制。

如上所述,现有的工作在大脑建模通常集中在神经动力学或网络。而大脑是一个多层次、多维复杂的系统,它是有风险的研究大脑只从单一层面或角度。事实上,大脑的描述和理解仍然不足。我们仍然需要尝试新方法模型和分析大脑。

热力学是物理学最重要的一个方面。它关注法律和热运动的物理特性和演化过程的宏观微观粒子组成的物质系统。科学家们试图热力学的一些概念或理论扩展到其他研究领域一般物理状态分析系统层面。在机械工程,张12)建立了非平衡态热力学理论研究饱和粘土的ThermoPoro机械建模。Albertin et al。13)使用计算热力学优化高铬铸铁的硬度和耐磨性。基于统计热力学,Kamiyama et al。14)提出了一个“Hakoniwa”方法来预测材料的性质由不同类型的原子通过计算原子能。在天文学、Setare和Sheykhi [15]研究了粘性暗物质和暗能量之间的交互与热力学RSII膜世界。怀特豪斯和软化16)扩展的热力学研究的分子云核,提出一个三维的算法探索在恒星形成的热力学性质。在生物学,从统计热力学的观点来看,郭和布鲁克斯17)提出了一个方法,使它可能计算出所有的热力学性质的蛋白质模型与一个特定的结构和蛋白质的表面自由能和压实过程模型提出的特征。基于热力学,费舍尔et al。18)生成一个分布的mixed-canonical合奏对应不同的温度,和能量的跨越障碍的RNA被从这个分布抽样观察。这些研究表明,热力学理论基本和普遍的在某种程度上。换句话说,它的思想和方法研究不仅使传统的热力学系统,但也适用于其他领域的系统建模。此外,热力学往往带来新的分析视角对于理解和解释系统在其他学科领域。

由于许多有意义的结果与热力学的研究应用于这些领域,一些科学家试图评估或描述大脑通过定义的属性或使用源自热力学参数。Zhang et al。19]使用Tsallis熵的离散小波包变换大脑图像的分析和识别神经胶质瘤、脑膜瘤和其他神经疾病。王等人。20.]探索职业因素对大脑的影响通过计算复杂性大脑海员和nonseafarers熵。列别捷夫et al。21)评估麦角酸酰二乙氨对人格的影响使用mixed-effects模型基于大脑的变化熵和随访期间观察到的个性。选择免费能源信息学的概念,Friston [22)提出了自由能原理,认为每个生物自组织系统处于平衡状态将最小化自由能避免“惊喜。“Friston Buzsaki [23]试图解释优化和控制机制以及大脑的功能分化原理从理论上提出的自由能。弗里曼和维特(24)脑电图振幅的平方定义为自由能量耗散率进行测量工作。这些研究表明,它是可行的观察或源自热力学分析大脑与特定的属性,如信息熵和信息理论的自由能。然而,这些研究仅限于借款从热力学概念信号分析。

不同的形式定义的先前的研究上面提到的,只有一些参数从热力学理论分析大脑图像,本文试图构建一个大脑的热力学模型在系统基于正则系综理论水平。基于该模型,得到了热力学参数来描述观察和神经系统的进化从热力学的角度。通过实验,我们验证了模型的合理性和可行性建议。热力学模型的好处对神经疾病的检测发现,隐含的巨大潜力热力学的辅助诊断。本研究试图探索和描述神经系统的工作机制从一个新的角度来揭示大脑的理解。

2。材料和方法

2.1。数据采集

本研究中使用的数据来自阿尔茨海默病的神经影像学(ADNI)数据库(https://adni.loni.usc.edu/)。ADNI于2003年推出的公私合作伙伴关系由首席研究员迈克尔·w·维纳。ADNI的主要目标是测试是否连环磁共振成像(MRI),正电子发射断层扫描,其他生物标记,可以结合临床和神经心理学评估衡量轻度认知障碍的进展和早期阿尔茨海默病(AD)。最新信息,请参阅https://www.adni-info.org。一百一十六AD患者(年龄:74.6±7.5)和174名健康受试者(年龄:75.5±6.1)是从ADNI招募的广告组和数控(正常控制)组,分别。人口统计信息的对象如表所示1。两组之间没有显著差异的年龄或性别。

2.2。数据预处理

静息状态功能磁共振图像(rs-fMRI)用于本研究使用3 t飞利浦扫描仪进行扫描。特定的操作参数如下:切片厚度、3.3毫米;片,48;TR / TE, 3000 ms / 30 ms;翻转角度80°;和成像矩阵,64×64。每个系列有140卷。数据预处理是使用SPM8和DPARSF[执行25]。这个过程如下:首先,第十帧丢弃磁化平衡。切时间和重整进行时间序列。受试者头部旋转超过2°或翻译超过2毫米被排除在外。蒙特利尔神经学研究所标准人类大脑模板被用来纠正图像数据规范化。然后,图像平滑使用4×4×4高斯内核空间减少噪音。全球平均信号被减少nonneuronal信号波动。整个大脑分为90个地区使用一个自动化的解剖标记(AAL)模板。

2.3。去噪点过程的方法

血氧等级相关(粗体)信号已被证明是一个描述的血流动力学反应神经刺激(26]。因此,科学家试图寻找极端大胆的信号的点对应神经刺激和应用这些点来模拟一个清晰的大胆的信号结合标准的血流动力学方程(27]。点过程分析认为有一些显著特征点复杂事件的时间序列,可以降低噪声突出本质通过提取这些特征点(28]。因此,本研究使用大胆的点处理方法去除噪声信号信噪比很高。

大胆的是标准化的第一个信号。时间序列的最大和最小点记录,和随后的极端点按时间顺序被选为一对。然后,一个脉冲序列是通过计算每个点的振幅增加单位时间内。随后,我们这个脉冲序列卷积与血流动力学响应函数提出的科恩(29日),和一个明确的大胆的信号重构。

2.4。统计热力学建模方法

统计热力学的正则系综是一个重要的概念。在统计热力学中,随着系统有许多不同的微观状态在给定的宏观条件下,系统的测量是系统的多个测量值的平均值。获得的测量,我们可以测量许多相同的同一宏观状态下的系统,这一点和替换的时间平均测量平均大量相同的系统在同一点。的大量相同的同一宏观状态下的系统称为一个合奏。在这个前提下,平均测量随着时间的推移可以更换的统计平均值。对孤立系统处于平衡状态,能量,体积,和粒子数都,作为可能的微观状态的概率系统遵循microcanonical分布,我们可以使用微正则系综理论分析系统。然而,大多数系统很难确保微正则系综分析所需的能量。因此,研究人员通常研究封闭系统与给定温度,体积,和粒子数的概率可能的微观状态系统是正则分布。然后,我们应用一个正则系综分析系统的热力学性质。

一些科学家扩展正则系综或其相关理论电化学的研究领域30.[],黑洞31日- - - - - -33)、生物(18,34],等等35,36),而这些领域的成就表明,正则系综是普遍的,但不限于传统的热力学系统。因此,我们试图把它介绍给神经科学的研究。研究表明,人类的大脑的温度一般保持在36.9±0.4°C (37]。此外,卷和体素不同的大脑功能区域为每个主题特定的神经影像。如果我们考虑大脑区域内的像素点作为粒子,粒子的数量可以确定。与此同时,大脑区域不体素与外部交换;换句话说,没有“物质”交换的大脑区域。然后,大脑区域基本上满足要求的一个封闭的系统。因此,我们认为,大脑区域可以被视为一个热力学系统的微观状态符合正则分布。然后,我们可以构建一个大脑热力学模型基于正则系综的理论框架。

基于上述分析,本研究提出了一个大脑热力学模型。我们认为大脑功能区域近独立粒子组成的系统。每个神经影像中的体素对应于一个近独立粒子。大胆的fMRI信号强度反映了代谢强度,和更高的大胆的信号表明较高的代谢水平,导致耗氧量的增加和能源消耗的增加。因此,能源E的体素定义为大胆相应的重构信号的振幅在这项研究中,和每个体素的生理活性强度可以评估能量E。因为相关计算数据标准化,计算结果都是无量纲。

每一帧的体素被认为是微观状态,和的配分函数的体素的微观状态吗 - - - - - -th框架,可以作为计算 在哪里是能量体素的吗 - - - - - -框架和具体的表达如下: 在哪里是热力学的玻耳兹曼常量,它等于1的简化计算。热力学温度是310 K,等于37°C,人类大脑的理论温度。整个大脑可以代表大脑区域的环境。

如果我们认为大胆的时间序列的每个时间点一个立体像素作为一个微观状态,体素的配分函数可以计算求和所有微观状态,被描述为和计算公式 在哪里体元的配分函数和吗是其微观状态的总和在各方面的大胆的时间序列。由于全同粒子的不可分辨性,忽略了弱相互作用粒子,我们把体素作为subensemble的大脑区域。因此,配分函数的大脑区域内所有像素点的组合。大脑区域的配分函数, ,可以从 : 在哪里交的所有体素在大脑区域的配分函数和是像素点的数量。

正则系综理论框架的基础上,我们构建了一个大脑热力学模型有关的大脑区域系统,体素作为粒子,重建大胆的强度信号的能量粒子,和功能磁共振成像时间序列的分不同的微观状态。我们将这种模式称为大脑热力学模型(BrainTDM)。这个模型试图描述神经系统的工作机制从热力学的观点。

基于BrainTDM提出本文的内部能量,自由能和熵的神经系统可以定义评估大脑区域的热力学特性。

内部能量, ,大脑的区域可以作为计算

的自由能, ,大脑的区域可以作为计算 在哪里是欧拉数,约等于2.71828。

熵, ,大脑的区域可以作为计算

为一个特定的大脑区域,内部能量代表的统计平均能量系统中所有微观状态,自由能代表大脑区域的能量可以用来执行外部工作,和熵代表混乱的大脑区域在受到外部环境的影响。基于热力学,我们认为当大脑区域被激活和使用外部能量做功,里面的能量做功的能量会增加和其内部状态可能会更加有序而灭活的大脑区域。

2.5。实验设计

在这个实验中,大脑的功能磁共振成像使用SPM8和处理分为90个大脑区域AAL模板。大胆点过程方法应用于重建清晰信号作为输入下列模型。在建模,大脑区域被视为系统,体素被认为是粒子,而大胆的信号强度被认为是粒子的能量。然后,大脑热力学模型是建立基于集合理论。相关的热力学参数计算,包括配分函数Z、内部能量U,自由能F熵,年代。更多的分析探讨该模型的应用前景。

2.5.1。我的实验范式

在热物理,一旦热力学系统消耗外部能量来执行工作,熵减少,内部能量以及自由能增加。我们假设大脑系统也遵循这一规则。时,大脑区域被激活的神经元同步消耗外部能量发射和顺序,大脑区域的热力学参数会以同样的方式改变。在我实验范式,我们评估该建模方法通过分析激活的热力学参数特性和灭活的大脑区域。因为默认模式网络(静)是最常见的显示被激活时,一个人不关注外面的世界和大脑在清醒休息38,39),我们选择了内侧前额叶皮层(mPFC),这是一个默认网络的关键脑区作为研究的对象。与此同时,考虑到不断的声音刺激fMRI扫描期间,我们也选择了Heschl回(他),主要位于初级听觉皮层,作为研究的对象(40]。此外,我们选择了中央前回(PreCG),也称为初级运动区或初级运动皮层属于task-positive网络,和嗅觉皮层简称OLF),这是边缘系统的重要组成部分,随着控制(39]。的大脑区域选择分析表中列出2。

通过考虑大脑区域系统,体素作为粒子,而重建大胆的强度信号的能量粒子,我们构建的大脑所选地区的热力学模型。大脑不同区域的热力学参数计算的基础上,构建模型,包括配分函数,内能,自由能和熵。通过分析激活的热力学参数之间的差异和灭活的大脑区域,我们试图确定神经系统也遵循热力学定律。

2.5.2。实验范式二世

实验范式II旨在探索大脑的潜在应用热力学模型提出了计算机辅助诊断(CAD)或其他现实的场景。为了这个目的,我们试图识别与广告主题,以源自大脑热力学模型参数为输入功能。我们做了相同的分类任务参数基于传统的大脑网络模型作为比较。具体实验进行如下:(一)热力学Parameters-Kendall (TP-Kendall):这个实验构建大脑热力学模型通过考虑大脑区域粒子系统和体素。然后,四个热力学参数可以获得基于这个模型,也就是说,配分函数,内能,自由能和熵。因为90的大脑区域被划分的大脑皮层AAL模板,360热力学参数可以派生替代功能。根据交叉验证计划,72年肯德尔τ等级相关系数最大的参数训练集的选择然后相同的功能作为测试集是作为分类器的输入特征。(b)热力学Parameters-Expert (TP-Expert):这个实验的建模过程是TP-Kendall一样,除了我们仅仅选择了热力学参数从18岁与广告相关的大脑区域高度基于专业知识作为分类特征。我们还获得72特性,每个地区有四个热力学参数。(c)大脑Network-Kendall (BN-Kendall):这个实验构建脑功能网络模型通常使用皮尔逊相关系数获得90个大脑区域之间的连接强度,和4005年计算优势大脑区域之间的联系。然后根据交叉验证计划,72年链接优势最大的肯德尔τ等级相关系数在4005年链接力量训练集的选择和使用相同的功能在测试设置中,分类器的输入特征。

所有三个实验选择公元72特性检测与资讯分类器。

3所示。结果

基于大脑提出了热力学模型,我们建立了模型的神经系统在实验范式I和II,和结果显示。为了避免偶然因素的影响,十倍交叉验证策略适用于所有分类任务。

3.1。我的实验范式

本文提出的建模方法的基础上,我们构建了一个大脑的热力学模型选择的大脑区域,并获得激活的能量和灭活为每个主题的大脑区域。数控组中,我们分别计算每一个大脑区域的平均能量,然后得到相应的时间序列轨迹,如图1。激活的大脑区域的平均能量,mPFC /他,明显高于灭活的大脑区域,黄韧带骨化病例PreCG /。

基于建立的模型,每一个大脑区域的热力学参数计算,包括配分函数,内部能量,自由能和熵。作为配分函数的值太大,我们把这个参数的对数的计算。我们计算的热力学参数的均值大脑不同区域分别在数控集团和结果如图所示2。激活的大脑区域之间没有明显差异,mPFC,他在这些热力学参数。我们观察到相同的现象灭活脑区之间,黄韧带骨化病例PreCG,。然而,有一个激活并灭活的大脑区域之间的显著差异。配分函数和熵平均值的激活脑区显著低于在灭活的大脑区域,内部能量和自由能是完全相反的。

一个t以及应用于大脑不同区域的热力学参数,结果如表所示3- - - - - -6。之间有显著差异和灭活脑区激活四个热力学参数:配分函数,内能,自由能和熵。没有明显差异几乎在所有四个热力学参数在四个脑区激活;同样的结果被观察到在四个灭活的大脑区域。

此外,我们试图将大脑区域划分为激活和灭活地区使用热力学参数作为输入特性与资讯分类器。三种类型的距离测量被资讯:相关距离,余弦距离、欧氏距离。这项研究的结果发表在表7。分类精度波动在88%左右,达到88.66%的最高价值(余弦距离)。

3.2。实验范式二世

在第二实验范式中,我们试图运用大脑热力学模型提出了CAD的广告。相比之下,我们设计了三个实验,即TP-Kendall TP-Expert, BN-Kendall。这些实验还使用资讯分类器基于距离的相关性,余弦距离、欧氏距离。这项研究的结果发表在表8。的准确性TP-Kendall范围从77.14%到80.47%,平均为79.32%,最高80.47%;的准确性TP-Expert范围从70.16%到72.36%,平均为71.02%,最高为72.36%,而BN-Kendall范围从70.51%到73.28%,平均为71.79%,最高73.28%。因此,无论肯德尔系数或专业知识用于特征选择,提出大脑热力学模型的识别精度不差的大脑网络模型。特别是,与相同的特征选择方法,广告识别基于热力学模型的准确性(TP-Kendall)高出7.53%的大脑网络模型(BN-Kendall)。更具体地说,TP-Kendall的特异性和灵敏度也高于BN-Kendall 7.60%和7.43%,分别,这意味着热力学模型更好地识别患者健康受试者和广告。此外,本研究关注的是热力学建模,而不是特定的大脑区域和广告之间的关系,因此所选的大脑区域是不会讨论热力学参数。

在这项研究中,两个TP-Kendall肯德尔和BN-Kendall实验用于特征选择。基于这两个实验中,我们分析了不同的输入特性对广告的影响识别使用资讯分类器如上所述。结果呈现在图3。不管数量的输入功能,广告与热力学参数识别的准确性从该模型总是高于链接优势从大脑网络模型。此外,广告识别的准确性基于大脑热力学模型达到了86.34%,只有360输入功能的相关距离。然而,基于大脑网络模型的分类精度只在85.82%的峰值水平距离4005输入功能的相关性。

4所示。讨论

大脑是世界上最复杂的系统。大脑建模是一种有效的方法来探索大脑的工作机制,是最热门的研究课题之一。一些科学家试图大脑模型基于神经动力的原则和方法,从宏观微观离子通道层神经网络层(41]。最初始的研究集中在神经元或神经连接的基本工作机制(1,2,42]。后来,科学家开始使用神经动力的方法来解释一些复杂的大脑功能,如情感、语言习得和语言理解(3,43,44),然后开发出一种方法分析癫痫的病理机制,广告和其他神经系统疾病(45,46]。此外,从另一个角度来看,在大脑的分化和整合,科学家们提出了大脑网络建模方法。早期的研究主要集中在探索如何构建大脑网络的神经元层功能皮质层。结构方程,因果关系,相关性和一致性的定义适用于大脑的结构或功能连通性(6,47]。此外,科学家们利用大脑网络探索大脑损伤耦合的影响的大脑区域(48)和神经系统疾病的病理机制,如臂神经丛损伤和广告(49,50]。一些研究试图提取大脑网络的特征识别、预测和预后的疾病,取得了非常好的结果51- - - - - -53]。

这些建模方法对大脑获得许多有意义的结果。然而,大脑是一个典型的多维复杂的系统,和大脑的理解是不够的,特别是从系统的观点。

热力学、物理的一个重要分支,主要研究一个物体的热性能从能量转换的角度宏观的。基于观察到的现象在实验中,热力学数学建模方法适用于由逻辑推理得出相关结论。因此,它属于现象学理论,表明本研究得出的结论是高度可靠和通用的。因此,研究人员一直试图扩展和相关成熟理论和热力学的概念应用于系统建模和分析在其他研究领域,如机械工程(12- - - - - -14],天文学[15,16)、生物(17,18)、经济学(54,55非经典数理物理领域[],和其他56- - - - - -60),为了实现广义对象的物理状态分析系统级别在不同的地区。在本文中,我们假定的能量转换大脑皮层是大脑的物质基础来实现各种复杂的功能。因此,我们认为,大脑也遵循相关的宏观热力学能量转换定律。当神经元被激活时,大脑也消耗外部能源输入作为热力学系统,导致内部能量增加,增加了自由能,降低系统的熵。基于以上假设,我们提出了一个热力学模型首次的大脑。利用大脑区域系统,体素作为粒子,而大胆的信号强度的能量粒子,这种方法建立了BrainTDM和试图解释大脑的工作机制基于正则系综理论从能量转换的角度在热力学。

在实验范式,我们选择两双激活的大脑区域和两个双灭活脑区静息状态的对象。然后,BrainTDMs地区建成和热力学参数计算。描述性统计和t测试结果如图2和表3- - - - - -6,这表明,激活的大脑区域的内部能量和自由能(mPFC和他)都远高于灭活的地区(黄韧带骨化病例PreCG和),而相反的是真的配分函数和熵。这验证的假设大脑遵循热力学定律在系统水平。当激活时,神经元的特定区域燃烧能源为信息传输产生电脉冲,工作就像这些热力学系统,导致相应的热力学参数的变化区域:内部活力和自由能增加和熵减少。换句话说,大脑也遵循能量转换定律在热力学系统在宏观层面。这是本研究最重要的发现。结果表明,大脑热力学模型提出了可行的和构建一个基于热力学的正则系综理论的大脑模型是可行的。

我们还观察到激活的大脑区域的能量明显高于灭活的大脑区域,如图1。这是符合普遍概念的激活水平mPFC和他是黄韧带骨化病例明显高于PreCG和静止状态。激活区域,增强激活静息的静息状态在许多研究已经证明,这是符合fMRI成像的观察实验。激活听觉相关的他是由于核磁共振设备的连续噪声实验。灭活地区PreCG黄韧带骨化病例和相关的控制运动和嗅觉,分别被认为是灭活由于静息状态。此外,我们试图将大脑区域划分为激活和灭活地区使用资讯分类器使用热力学参数作为输入功能。实验结果表7表明,分类精度保持在大约88%,达到了最高的88.66%在三种类型的距离测量,相关距离,余弦距离、欧氏距离,表明热力学参数可以反映不同的激活和灭活脑区之间的能量转换状态。在热力学中,内能,自由能、熵等热力学参数被视为共同的态函数描述系统的状态。这项研究暗示热力学参数获得该模型也可以作为大脑区域的态函数描述大脑区域的激活状态。

第二实验范式试图运用大脑热力学模型提出了歧视的神经系统疾病。相同的特征选择方法,广告基于热力学参数的检测该模型实现更好的结果比使用链接优势传统的大脑网络模型,显示在表8。根据图3,广告识别的准确性基于大脑热力学模型达到了86.34%,只有360输入功能。这表明大脑热力学参数包含一些神经疾病的病理信息。这个信息必须在描述基本和关键的改变大脑疾病,如图3广告检测显示,我们可以获得68.10%的准确率只有18热力学参数作为输入特性的余弦距离。上述结果表明,大脑热力学模型提出了不仅解释了神经系统从热力学的基本工作机制,但也有可能被应用于神经系统疾病的识别和预测。另一方面,实验结果还暗示神经系统疾病的检测可能受益于神经系统中能量转换定律。

5。结论

在大脑建模的研究中,科学家们通常关注神经动力学或大脑网络。大脑是一个多层次、多维复杂系统时,我们试图从一个新的角度探索大脑。利用热力学在其他领域的应用,我们提出了一个模型,基于热力学系统级别上的大脑,而不是定义或使用一些参数借用热力学参数。具体来说,本研究神经系统映射到热力学系统通过大脑区域系统,体素作为粒子,而大胆的信号强度作为粒子的能量。基于正则系综理论,BrainTDM建于探索大脑的工作机制。实验结果证明了模型的可行性和合理性的神经系统从热力学的角度,另一方面,他们验证了假设,大脑也遵循热力学定律。此外,研究还表明能量转换定律的积极作用在神经系统疾病的检测,这意味着潜在的模型可应用于辅助诊断。然而,fMRI只描述了大脑的新陈代谢活动在一个宏观的大脑区域,我们希望将有可能从微级验证提出的热力学模型的未来,如微小的信号(神经元的峰值)植入式脑机接口。此外,一些大脑的工作机制可能发现通过结合宏观和微观神经信号的热力学性质。

数据可用性

ADNI的数据,使用和分析在这项研究中,可以从ADNI在线下载库(https://adni.loni.usc.edu/)。

附加分

(1)本研究应用热力学的研究神经系统首次在系统层面。具体来说,热力学模型的大脑区域使用扩展正则系综理论。(2)热力学参数的变化,包括内部能量更高,更高的自由能,和更低的熵在激活区域,表明神经系统也遵循热力学定律。(3)热力学模型证明受益于热力学模型通过阿尔茨海默病的检测,这表明热力学在辅助诊断的潜力。

信息披露

这篇文章已经提交预印(https://arxiv.org/abs/2103.01026)[61年]。

的利益冲突

作者没有利益冲突的声明。

作者的贡献

至岑溪周导致方法、软件、正式的分析,和写作。杨本方法和软件。Wenliang风扇导致了正式的分析和调查。魏李参加了概念化、方法形式分析,写作,和资金收购。

确认

这项工作得到了国家自然科学基金(61473131)。数据收集和分享这个项目是由阿尔茨海默病的神经影像学(ADNI)美国国立卫生研究院的资助U01 AG024904)和国防部ADNI(国防部奖号码w81xwh - 12 - 2 - 0012)。ADNI是由美国国家老龄问题研究所资助,国家生物医学成像和生物工程研究所,并通过慷慨的贡献如下:AbbVie,阿尔茨海默氏症协会;阿尔茨海默病药物发现的基础;Araclon生物技术;Bioclinica有限公司;生原体;百时美施贵宝公司;CereSpir有限公司;Cogstate; Eisai Inc.; Elan Pharmaceuticals, Inc.; Eli Lilly and Company; EuroImmun; F. Hoffmann-La Roche Ltd. and its affiliated company Genentech, Inc.; Fujirebio; Healthcare; Ltd.; Janssen Alzheimer Immunotherapy Research & Development, LLC.; Johnson & Johnson Pharmaceutical Research & Development LLC.; Lumosity; Lundbeck; Merck & Co., Inc.; Meso Scale Diagnostics, LLC.; NeuroRx Research; Neurotrack Technologies; Novartis Pharmaceuticals Corporation; Pfizer Inc.; Piramal Imaging; Servier; Takeda Pharmaceutical Company; and Transition Therapeutics. The Canadian Institutes of Health Research is providing funds to support ADNI clinical sites in Canada. Private sector contributions are facilitated by the Foundation for the National Institutes of Health (https://www.fnih.org)。授权者组织是加州北部研究和教育研究所和阿尔茨海默病治疗的研究是协调在南加州大学的研究所。ADNI数据传播的神经成像实验室在南加州大学。