神经编码：修订间差异
删除的内容 添加的内容
新条目, translate fromen:neural coding |
内容扩充 翻译 |
||
| 第1行： | 第1行： | ||
'''神经编码'''（{{lang-en|neural coding}}）是一个和[[神经科学]]相关的领域，研究外界[[刺激]]与特定[[神经元]]或者神经元组合的[[电生理学]] |
'''神经编码'''（{{lang-en|neural coding}}）是一个和[[神经科学]]相关的领域，研究外界[[刺激]]与特定的[[神经元]]或者神经元组合之间的[[电生理学]]关系，以及这些神经元组合电活动之间的关系。<ref name="Brown">{{cite journal |vauthors=Brown EN, Kass RE, Mitra PP |title=Multiple neural spike train data analysis: state-of-the-art and future challenges |journal=Nat. Neurosci. |volume=7 |issue=5 |pages=456–61 |date=May 2004 |pmid=15114358 |doi=10.1038/nn1228 }}</ref> 感觉信息与其它信息，都是由[[脑]]中的[[生物神经网络]]来承载与呈现，基于这个理论，人们认为神经元既可以编码[[数码]]信号，也可以编码[[模拟信号]]。<ref name="thorpe">{{cite book |first=S.J. |last=Thorpe |chapter=Spike arrival times: A highly efficient coding scheme for neural networks |chapterurl=http://pop.cerco.ups-tlse.fr/fr_vers/documents/thorpe_sj_90_91.pdf |format=PDF |pages=91–94 |editor1-first=R. |editor1-last=Eckmiller |editor2-first=G. |editor2-last=Hartmann |editor3-first=G. |editor3-last=Hauske |title=Parallel processing in neural systems and computers |url=https://books.google.com/books?id=b9gmAAAAMAAJ |year=1990 |publisher=North-Holland |isbn=978-0-444-88390-2}}</ref> |
||
== 概述 == |
|||
神经元是一种特别的[[细胞]]，能够迅速地远程传播信号。它们通过一种称为[[动作电位]]的特殊电脉冲来传递信息，通过神经纤维来传播电峰。感觉神经元通过时间特征不同的激发模式，来代表不同的外界感觉刺激，例如[[光]]、[[声音]]、[[味觉]]、[[嗅觉]]与[[触觉]]信号。人们知道刺激信息由动作电位的模式编码，传递入脑进行处理。 |
|||
虽然动作电位的时长、电位差与波形都各有不同，但是在神经编码的研究中，它们都被当做同样的一种事件来处理。如果忽略掉动作电位中的短时间过程（大约1ms），动作电位序列可以被简单地看作一系列“全或无”的时间点组合。<ref name="Gerstner">{{cite book |first1=Wulfram |last1=Gerstner |first2=Werner M. |last2=Kistler |title=Spiking Neuron Models: Single Neurons, Populations, Plasticity |url=https://books.google.com/books?id=Rs4oc7HfxIUC |year=2002 |publisher=Cambridge University Press |isbn=978-0-521-89079-3}}</ref> 两个电位峰之间的峰间期（interspike intervals）的长度常常会随机变化。<ref name="Stein">{{cite journal |vauthors=Stein RB, Gossen ER, Jones KE |title=Neuronal variability: noise or part of the signal? |journal=Nat. Rev. Neurosci. |volume=6 |issue=5 |pages=389–97 |date=May 2005 |pmid=15861181 |doi=10.1038/nrn1668 }}</ref> 神经编码的研究，包括了测量与描述外界刺激，如光信号和声信号，或者像是手臂运动的动作感觉，如何通过神经元的动作电位或电峰来表示。人们广泛使用[[统计模型]]、[[概率论]]方法和统计{{link-en|点过程|point process}}来描述和分析神经元的活动。 |
|||
随着大尺度神经记录与解码方法的发展，研究人员开始能够破解神经编码，已经可以对于[[海马体]]中记忆的存储与唤起过程的即时编码有一个初步的了解。<ref>The Memory Code. http://www.scientificamerican.com/article/the-memory-code/</ref><ref>{{cite journal | last1 = Chen | first1 = G | last2 = Wang | first2 = LP | last3 = Tsien | first3 = JZ | year = 2009 | title = Neural population-level memory traces in the mouse hippocampus | url = | journal = PLOS ONE | volume = 4 | issue = 12| page = e8256 | doi = 10.1371/journal.pone.0008256 | pmid = 20016843 }}</ref><ref>{{cite journal | last1 = Zhang | first1 = H | last2 = Chen | first2 = G | last3 = Kuang | first3 = H | last4 = Tsien | first4 = JZ | date = Nov 2013 | title = Mapping and deciphering neural codes of NMDA receptor-dependent fear memory engrams in the hippocampus | url = | journal = PLOS ONE | volume = 8 | issue = 11| page = e79454 | doi = 10.1371/journal.pone.0079454 | pmid = 24302990 }}</ref> 神经科学家们已经开始进行许多大尺度脑神经解码的项目。<ref>Brain Decoding Project. http://braindecodingproject.org/</ref><ref>The Simons Collaboration on the Global Brain. http://www.simonsfoundation.org/life-sciences/simons-collaboration-on-the-global-brain/</ref> |
|||
2016年10月3日 (一) 18:53的版本
神经编码（英語：neural coding）是一个和神经科学相关的领域，研究外界刺激与特定的神经元或者神经元组合之间的电生理学关系，以及这些神经元组合电活动之间的关系。[1] 感觉信息与其它信息，都是由脑中的生物神经网络来承载与呈现，基于这个理论，人们认为神经元既可以编码数码信号，也可以编码模拟信号。[2]
概述
神经元是一种特别的细胞，能够迅速地远程传播信号。它们通过一种称为动作电位的特殊电脉冲来传递信息，通过神经纤维来传播电峰。感觉神经元通过时间特征不同的激发模式，来代表不同的外界感觉刺激，例如光、声音、味觉、嗅觉与触觉信号。人们知道刺激信息由动作电位的模式编码，传递入脑进行处理。
虽然动作电位的时长、电位差与波形都各有不同，但是在神经编码的研究中，它们都被当做同样的一种事件来处理。如果忽略掉动作电位中的短时间过程（大约1ms），动作电位序列可以被简单地看作一系列“全或无”的时间点组合。[3] 两个电位峰之间的峰间期（interspike intervals）的长度常常会随机变化。[4] 神经编码的研究，包括了测量与描述外界刺激，如光信号和声信号，或者像是手臂运动的动作感觉，如何通过神经元的动作电位或电峰来表示。人们广泛使用统计模型、概率论方法和统计点过程来描述和分析神经元的活动。
随着大尺度神经记录与解码方法的发展，研究人员开始能够破解神经编码，已经可以对于海马体中记忆的存储与唤起过程的即时编码有一个初步的了解。[5][6][7] 神经科学家们已经开始进行许多大尺度脑神经解码的项目。[8][9]
- ^ Brown EN, Kass RE, Mitra PP. Multiple neural spike train data analysis: state-of-the-art and future challenges. Nat. Neurosci. May 2004, 7 (5): 456–61. PMID 15114358. doi:10.1038/nn1228.
- ^ Thorpe, S.J. Spike arrival times: A highly efficient coding scheme for neural networks (PDF). Eckmiller, R.; Hartmann, G.; Hauske, G. (编). Parallel processing in neural systems and computers (PDF). North-Holland. 1990: 91–94. ISBN 978-0-444-88390-2.
- ^ Gerstner, Wulfram; Kistler, Werner M. Spiking Neuron Models: Single Neurons, Populations, Plasticity. Cambridge University Press. 2002. ISBN 978-0-521-89079-3.
- ^ Stein RB, Gossen ER, Jones KE. Neuronal variability: noise or part of the signal?. Nat. Rev. Neurosci. May 2005, 6 (5): 389–97. PMID 15861181. doi:10.1038/nrn1668.
- ^ The Memory Code. http://www.scientificamerican.com/article/the-memory-code/
- ^ Chen, G; Wang, LP; Tsien, JZ. Neural population-level memory traces in the mouse hippocampus. PLOS ONE. 2009, 4 (12): e8256. PMID 20016843. doi:10.1371/journal.pone.0008256.
- ^ Zhang, H; Chen, G; Kuang, H; Tsien, JZ. Mapping and deciphering neural codes of NMDA receptor-dependent fear memory engrams in the hippocampus. PLOS ONE. Nov 2013, 8 (11): e79454. PMID 24302990. doi:10.1371/journal.pone.0079454.
- ^ Brain Decoding Project. http://braindecodingproject.org/
- ^ The Simons Collaboration on the Global Brain. http://www.simonsfoundation.org/life-sciences/simons-collaboration-on-the-global-brain/