大脑网络系统
大家好,我是陈锐。
今天分享内容来源网络整理,内容仅供参考学习分享。
提笔写文真是一件费脑子的事情,相信最近正在赶毕业论文的你们深有体会。我倒不是写文的困难者,只是每天得记录和整理一些文章,需要动笔。不过在今年我更多的是通过我的视频号在更新了一些教程视频,算是承诺年初的flag。同时今年真是一个非常“难过”的一年,足不出户真是憋的很。不能到各位的学校中逛逛真是心塞的很。
好了,废话不说了。今天给大家更新一下,最近看到的一些新知识点—脑网络。
以下内容是网址https://human-memory.net/brain-network-system/的部分整理,翻译可能有误,请担待些,更建议看原文。
大脑是一个很复杂的器官,它执行着多种功能。为了使大脑能够发挥最佳功能,它需要通过神经传导将指令分发下去,其特点是支持认知和各种行为的结构连接的异构模式。
大脑是由相互连接的细胞组成的复杂系统。Johnson 和 Wu 对人类大脑进行了粗略估计—10^12个神经元和 10^15 个突触。说明神经细胞真的是非常多啊,这一部分内容可以去B站学习或者维基百科上搜索会了解的更多
大脑网络系统由神经元或神经细胞组成,它们的主要目的是进行传输和处理从我们的感官接收到的信息。神经细胞在大脑中排列在一起,形成神经网络。它们通过以下方式传递电脉冲:
•树突——它们从相邻神经元的突触(终端按钮)接收脉冲。将冲动传递到神经细胞的细胞核或体细胞。
•轴突——它是树突中较长的分支,将电脉冲从体细胞传送到突触。
•突触——它是大脑中的一种结构,允许神经元将电/化学信号传递给另一个神经元或效应细胞。
在人脑中,有更复杂的神经元网络,包括大脑网络系统。这些神经元需要相互交互以创建大脑网络系统。
大脑中不同神经元之间的相互作用是根据我们的所见、所闻、所想和所动来交流和处理信息的。大脑网络系统是身体所有活动的“终端”。
作为现代计算机的大脑网络系统
大脑的功能与现代计算机相同。有输入、输出、存储、处理和程序。
•输入——与引起行动的刺激、对象或数据有关。在计算机中,输入来自输入设备,例如鼠标、键盘、照相机或扫描仪。它们的格式各不相同,例如文本、图像和其它结构化数据。在人脑中,输入以外部和内部刺激的形式出现。感觉细胞主要参与视觉、触觉、听觉和味觉等输入(ps:这些也是现在脑科学研究的更多的刺激感觉器官了)。运动细胞和大脑中的一些细胞也可以作为输入。
•输出——处理输入引起的动作或信息有关。如果将其比作机器,则输出可以是打印某些东西或投影图像的形式。在人脑中,输出与使您控制内部和外部肌肉的活动有关。它还包括感官知觉、决策、情绪、解决问题、管理身体内部功能(如心率、血压和体温)以及社会行为。
•存储——存储输入和输出信息和程序的位置。在计算机中,它有两种存储类型—短期存储和长期存储。短期存储采用运存的形式,它存储执行即时任务所需的有限信息量。长期存储采用硬盘驱动器和U盘等形式。因为它们具有更大的存储容量。人脑中的存储与记忆系统有关。短期存储称为工作记忆,它利用大脑的记忆力和注意力来执行即时任务,例如记下老师在课堂上所说的话。另一方面,长期记忆能够无限期地存储无限量的信息。它与大脑回忆特定事件的能力有关,经验和其它事实信息。(3 )
•处理器——执行指令的中央处理电路。如果要将人脑比作计算机,处理器就是中央处理单元。对于人类来说,它与中枢神经系统有关。它由人的大脑、脊髓和内部电路组成。
•程序/代码——涉及一组指令,其中包含需要对输入执行的操作将其转换为输出,从而引入一组需要执行的功能。在人脑中,代码是通过大脑中的神经元执行的,神经元相互连接并传递信号以处理所需的动作。整个过程由中枢神经系统控制,信息交换通过关键的神经系统结构(突触)进行。人脑通过化学/电信号模式运行其代码,并从一个神经元传递到另一个神经元,从而形成一个神经网络。
分析大脑网络系统
脑网络的观察
解剖和生理学——可以通过两种方式进行功能和结构网络。
大脑结构连通性
它涉及大脑中连接一组神经元的解剖学连接,特别是皮层和皮层下区域。结构连接往往在短时间内保持稳定——从几秒到几分钟不等。
依据大脑可塑性的变化,它也可以在更长的时间范围内保持,这可能是几个小时到几天。大脑结构连接的测量是一种无向连接。
大脑的功能连接
通常是从时间序列中进行观察,能显示出不同类型的神经元之间的统计依赖模式。
有多种技术可用于观察时间序列数据,例如 EEG 脑电图、MEG 脑磁图、fNIRS近红外脑成像和fMRI 功能磁共振成像等,当然还包括其它的入侵性的技术。
可以参考文章《一文了解研究人脑的脑科学技术手段》
大脑的功能连接性是时间依赖性的,并且在数十或数百毫秒的跨度内发生变化。感觉刺激和任务环境调节大脑的功能连接。
大脑的有效连接
它是被用作一种分析大脑网络系统的方法之一。这种方法能捕获了不同神经元之间的网络定向因果效应。
有效的连通性代表生成模型和机械模型,导致观察到的数据源自各种可能的模型。研究大脑网络系统的有效连接是相当新的。大多数大脑网络研究是使用结构和功能连接进行的。
当然,对于功能性连接的方法有很多种
1、相关系数,包括Pearson和Spearman相关系数;
2、谱相干(spectral coherence);
3、相锁值(phase-locking value);
4、部分有向相干(Partial directed coherence,PDC);
5、同步似然指数(Synchronization likelihood);
6、Granger因果分析(Granger causality);
7、互信息(mutual information,MI);
8、有向传递函数(Directed transfer function,DTF)等
不同类型的脑网络系统
1.默认模式
- 当人清醒和休息时,它处于活动状态。如果该人专注于内部导向的任务,则默认模式大脑网络系统被激活,例如:
1.梦想着未来
1.白日梦
1.回忆
1.心智理论
2.背侧注意力——涉及自愿给予注意以及对意外情况的重新定位。
3.腹侧注意力——与人对突然发生的行为相关刺激的反应有关。
4.额顶叶——大脑中调节认知控制的系统。
5.显着性——它追踪内部大脑事件和外部输入的显着性。
6.横向视觉——它在复杂的情绪刺激中起着重要作用。
参考
1.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5485642/
2.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4854276/
3.https://www.annualreviews.org/doi/abs/10.1146/annurev-neuro-062111-150525
4.https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1004029
5.https://www.omicsonline.org/scholarly/neural-network-journals-articles-ppts-list.php
本文仅供学习参考,不作其它用途,有任何疑问及侵权,扫描以下公众号二维码添加交流:
更多学习内容,仅在知识星球发布:
微信扫码关注该文公众号作者