Control of cardiac function and noise from a decaying power spectrum
Notice bibliographique
Résumé
Evidence is presented that adds to the debate surrounding the question: To what extent does neural control of cardiac output exploit noise? The transduction capability of cardiac afferent neurons, situated in and adjacent to the heart, is vital to feedback in control of cardiac function. An analysis of in situ cardiac afferent activity shows evidence of independent and exponentially distributed interspike intervals. An anatomical basis for such memoryless interspike intervals ultimately derives from the fact that each afferent neuron is associated with a field of sensory neurites, or bare nerve endings, that transduce local chemical and mechanical stimuli in a many-to-one fashion. As such, cardiac afferent neurons and their sensory neurite inputs are respectively modeled here by the Hodgkin-Huxley equations forced by "red" noise (decaying power spectrum) perturbing an otherwise constant subthreshold input. A variable barrier competition model is derived from these equations in order to address the question: How are noisy inputs being processed by sensory neurons to cause each spike? It is found that ion channels are responsible for significant input "whitening" (increased spectral power at higher frequency) through differentiation of the inputs. Such whitening is a means to distinguish low-frequency control signals from otherwise red noise fluctuations. Furthermore, spiking occurs when backward moving averages of the whitened inputs, over a window of the order of the sodium activation time scale, exceed an approximately constant barrier.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».