A model for delta rhythm fit to high-frequency cortical activity data
Notice bibliographique
Résumé
Rhythmic activity in the brain has been known since Berger's discovery of the alpha rhythm in the 1920's. Numerous mechanisms have been proposed for various rhythms but in the past half-century no consensus has been reached on the mechanism of any major rhythm. The recent development of high-throughput imaging methods enable us for the first time to rigorously and quantitatively test ideas about the dynamics of brain rhythms. The aim of this project is to characterize the contributions of intrinsic dynamics of brain regions and network connections in generating the global dynamics of cortical activity using a mouse model. We have generated high-resolution data on neural activity over 40 mm of mouse cortex by voltage-sensitive dyes, in both anesthetized and awake animals. We have instantiated current ideas about delta rhythm in models for the dynamics of such activity and we measure the fit of these models quantitatively in predicting this data, thus shedding light on the relative contributions of these processes in the delta rhythm. We include in the model intrinsic regional oscillations, thalamic input, and communication between cortical regions. We specify the form of the model and then estimate the parameters by fitting the dynamical behavior to high-resolution time series of cortical activity in mouse cortex. We try to estimate the relative contributions of each of the major components of the model to the fluctuations. We show that a potassium-current mechanism for intrinsic oscillations does in fact fit the data well, and we estimate some of the effective connectivity between different cortical regions under anesthesia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».