Notice bibliographique
Résumé
The basic principles underlying field potential generation and the application of current source density (CSD) analysis are outlined in this chapter. Currents in the brain are mainly derived from synaptic or action currents flowing in a closed loop, traversing both intracellular and extracellular media. Extracellular currents generate the field potentials, with a spatial organization of an open or a closed field that may be standing or traveling. CSD analysis is the method used to derive the macroscopic sources and sinks that generate a potential field. Assuming that the medium is homogeneous and resistive, CSD can be approximated by a second-order derivative of the field potential. When the activation is spatially extensive, the current may essentially flow in one or two dimensions, and the CSD may be approximated using one- or two-dimensional mapping. The field potentials should first be mapped regularly at an adequate interval, over an appropriate spatial extent. A multichannel electrode array offers accurate sampling intervals, and the field potentials can be sampled simultaneously in one or two dimensions. Examples of potential fields and CSDs in a layered cortical structure (hippocampal CA1 area) are illustrated, with different fields generated by basal or apical dendritic excitation, proximal and distal dendritic excitation, proximal inhibition, and synchronous action potentials (population spikes). Generation of field potentials from sinks and sources of neuronal cables, arranged in a particular geometry, may be used to predict the CSD profiles. Successful application of CSD analysis would facilitate the understanding of neuronal dynamics, synaptic transmission, and plasticity in cortical structures.
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 | 0,001 |
| 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 ».