MétaCan
Menu
Retour à la cohorte
Enregistrement W2911048450 · doi:10.1115/imece2018-86689

Computational Study of Onset Dynamics in Neuron-Spiking With Threshold Adaptation

2018· article· en· W2911048450 sur OpenAlexaff
Loabat S. Kavan, Abhijeet Wadkar, Samuel F. Asokanthan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
Thématiquestochastic dynamics and bifurcation
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceImpulse (physics)WaveformElectromagnetic fieldNeuroscienceComputational modelImpulse responseVoltagePhysicsControl theory (sociology)Statistical physicsSimulationArtificial intelligenceMathematicsPsychology

Résumé

récupéré en direct d'OpenAlex

Magnetic Seizure therapy (MST) is emerging as a treatment for patients suffering from severe depression where an induced current due to an external electromagnetic field is employed. This procedure can only be considered effective when sufficient induced current activates the neurons in the prefrontal cortex. Computer simulation of MST is essential to provide better insight of this procedure and to supplement the clinical trials. To this end, an understanding of transmission of electric impulse through the nerve is considered essential. Stochastic impulse spike sequences are trigged when membrane potential crosses a threshold value. Quantitative numerical predictions employing a mathematical model and induced current defined via Ornstein Uhlenbeck (OU) process predict that both the linear steady-state and rectified models provide adequate threshold adaptation while the rectified model exhibits superior spiking behavior. The present study when combined with suitable numerical simulation of electromagnetic induction is envisaged to aid the MST clinical treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetstochastic dynamics and bifurcationTravaux en français237 207