×
Eduarda Gervini Zampieri森特诺；朱利亚·莫雷尼；克里斯·弗里德；琳达·杜；费尔南多·安托尼奥·诺布雷加·桑托斯

网络和拓扑神经科学Python实践教程。 （英语） Zbl 1486.92008号

尼尔森，弗兰克（编辑）等人，《信息几何科学》。第五届国际会议，GSI 2021，巴黎，法国，2021年7月21日至23日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。12829, 665-673 (2021).
摘要：网络神经科学通过连通性棱镜研究大脑功能，图论是理解大脑网络的主要框架。最近，另一种框架得到了关注：拓扑数据分析。它提供了一组超越两两连接的指标，并提高了抗噪声的鲁棒性。在这里，我们的目标是提供一个易于掌握的理论和计算教程，使用这些框架探索神经成像数据，为该领域的新手提供访问、数据可视化和理解的便利。我们提供了这两个框架的简明（并非完整）理论概述，以及使用公开可用的静止状态功能性磁共振成像数据集计算成熟和更新指标的计算指南。此外，我们还开发了脑网络中高阶交互的三维可视化管道。
关于整个系列，请参见[Zbl 1482.94007号].

MSC公司：

92B20型 生物研究、人工生命和相关主题中的神经网络
92C55 生物医学成像和信号处理
62页第10页 统计学在生物学和医学中的应用；元分析
62R40型 拓扑数据分析

关键词：

网络神经科学；数据可视化；拓扑数据分析

软件：

CliqueTop（单击顶部）；叫做古迪辛；蟒蛇；NetworkX公司；SciPy公司
PDF格式BibTeX公司 XML格式引用
\textit{E.G.Z.Centeno}等人，Lect。注释计算。科学。12829、665--673（2021；Zbl 1486.92008）
全文： DOI程序

参考文献：

[1] Barbarossa，S。；Sardellitti，S.，简单复数上的拓扑信号处理，IEEE Trans。信号。工艺。，682992-3007（2020）·Zbl 07590943号 ·doi:10.1109/TSP.2020.2981920
[2] 巴塞特，DS；美国东部时间Bullmore，Small-world brain networks reviewed，Neurosistic，23，5，499-516（2017）·数字对象标识代码：10.1177/107385841667720
[3] 巴塞特，DS；斯波恩斯，O.，《网络神经科学》，《国家神经科学》。，20, 3, 353 (2017) ·doi:10.1038/nn.4502
[4] Battiston，F.，《超越两两相互作用的网络：结构和动力学》，《物理学》。代表，874，1-92（2020年）·Zbl 1472.05143号 ·doi:10.1016/j.physrep.2020.05.004
[5] Baudot，P.，《poincare-shannon机器：信息上同调的统计物理和机器学习方面》，《熵》，21，9，881（2019）·doi:10.3390/e21090881
[6] 波多，P。；Bennmine，D.，《熵的同源性》，《熵》，17，5，3253-3318（2015）·doi:10.3390/e17053253
[7] Baudot，P.，拓扑信息数据分析，熵，21，9，869（2019）·doi:10.3390/e21090869
[8] Biswal，BB，朝向人类大脑功能的发现科学，Proc。美国国家科学院。科学。美国，107，10，4734-4739（2010）·doi:10.1073/pnas.0911855107
[9] 布尔莫尔，E。；《复杂脑网络：结构和功能系统的图论分析》，《神经科学自然评论》。，186-198年3月10日（2009年）·doi:10.1038/nrn2575
[10] Carlsson，G.，《数据建模的拓扑方法》，Nat.Rev.Phys。，2, 12, 697-708 (2019) ·doi:10.1038/s42254-020-00249-3
[11] Carlsson，G.，Topology and data，布尔。美国数学。Soc.，46，2，255-308（2009）·Zbl 1172.62002号 ·doi:10.1090/S0273-079-09-01249-X
[12] Centeno，E.，Santos，F.N.，MultinetLAB:神经科学中的网络和拓扑分析笔记本（2021）。doi:10.5281/zenodo.4483651
[13] Centeno，E.G.Z.等人：网络和拓扑神经科学实践教程。生物Rxiv。第2021.02.15.431255页。doi:10.1101/2021.02.15.431255
[14] 关于神经代码，拓扑学能告诉我们什么？，牛市。美国数学。Soc.，54，1，63-78（2017）·Zbl 1353.92027号 ·doi:10.1090/bull/1554
[15] Curto，C。；Itskov，V.，《细胞群揭示刺激空间的结构》，PLOS Compute。生物，4，10，e1000205（2008）·doi:10.1371/journal.pcbi.1000205
[16] Do Carmo，M.P.：《曲线和曲面的微分几何：修订和更新第二版》。Courier Dover Publications，纽约（2016）
[17] Edelsbrunner，H.，Harer，J.：《计算拓扑：导论》，第69卷。第1版。美国数学学会，美国普罗维登斯（2010年）。doi:10.1090/mbk/069·Zbl 1193.55001号
[18] 专家，P.，编辑：拓扑神经科学，网络神经科学。，3, 3, 653-655 (2019) ·doi:10.1162/netne00096
[19] 法拉哈尼，FV；Karwowski，W。；Lighthall，NR，《图论在识别人脑网络连接模式中的应用：系统综述》，Front。神经科学。，13, 585 (2019) ·doi:10.3389/fnins.2019.00585
[20] Farooq，H.，《网络曲率是大脑结构连通性的标志》，美国国家通讯社。，10, 1, 4937 (2019) ·数字对象标识代码：10.1038/s41467-019-12915-x
[21] Fornito，A。；Zalesky，A。；Bullmore，E.，《脑网络分析基础》（2016），圣地亚哥：学术出版社，圣地亚哥
[22] Gatica，M.等人：衰老大脑中的高阶相互依赖性。bioRxiv（2020年）
[23] 朱斯蒂，C。；Pastalkova，E。；Curto，C。；Itskov，V.，Clique拓扑揭示了神经相关性中的内在几何结构，Proc。美国国家科学院。科学。美国，112、44、13455-13460（2015）·Zbl 1355.92015年 ·doi:10.1073/pnas.1506407112
[24] 总量，JL；耶伦，J.，《图论手册》（2003），博卡拉顿：CRC出版社，博卡拉顿·Zbl 1036.05001号 ·doi:10.1201/9780203490204
[25] Hagberg，A.，Swart，P.，S Chult，D.：使用networkx探索网络结构、动力学和功能。载：Varoquex，G.T.，Vaught，J.M.（编辑）《第七届Python科学大会论文集》（SciPy 2008），第11-15页（2008）
[26] 明尼苏达州哈尔奎斯特；希拉里，FG，《大脑疾病中功能性网络组织的图论方法：对一个勇敢的新小世界的批判》，《网络神经科学》。，3, 1, 1-26 (2018) ·doi:10.1162/netna00054
[27] Jalili，M.，《功能性脑网络：依赖性估计器和二值化方法的选择重要吗？》？，科学。代表，629780（2016）·doi:10.1038/srep29780
[28] 阿联酋Kartun-Giles；Bianconi，G.，《超越聚类系数：复杂网络中节点邻域的拓扑分析》，混沌孤子分形。十、 110004（2019）·doi:10.1016/j.csfx.2019.100004
[29] 兰比奥特，R。；罗斯瓦尔，M。；Scholtes，I.，《从网络到复杂系统的最优高阶模型》，自然物理学。，15, 4, 313-320 (2019) ·doi:10.1038/s41567-019-0459-y
[30] Liu，TT，噪声对FMRI信号的贡献：概述，神经影像，143141-151（2016）·doi:10.1016/j.neuroimage.2016.09.008
[31] 马莱蒂奇，S。；Rajković，M。；Vasiljević，D。；Bubak，M。；van Albada，广东省；Dongarra，J。；Slot，PMA，网络的简单复合体及其统计特性，计算科学-ICCS 2008，568-575（2008），海德堡：施普林格·doi:10.1007/978-3-540-69387-1_65
[32] C·玛丽亚。；Boissonnat，J-D；Glisse，M。；Yvinec，M。；洪，H。；Yap，C.，《Gudhi库：简单复合体和持久同源性》，数学软件——ICMS 2014，167-174（2014），海德堡：斯普林格，海德伯格·Zbl 1402.57001号 ·doi:10.1007/978-3-662-44199-228
[33] 纳杰曼，L。；Romon，P.，《离散曲率的现代方法》（2017），Cham:Springer，Cham·Zbl 1380.53007号 ·doi:10.1007/978-3-319-58002-9
[34] Pardalos，PM；薛，J.，最大集团问题，J.Glob。优化。，4, 3, 301-328 (1994) ·Zbl 0797.90108号 ·doi:10.1007/BF01098364
[35] Petri，G.，大脑功能网络的同源支架，J.R.Soc.Interface，11，101，20140873（2014）·doi:10.1098/rsif.2014.0873
[36] Rosas，FE，通过互信息的多元扩展量化高阶相互依赖，Phys。版本E，100,3032305（2019）·doi:10.1103/PhysRevE.100.032305
[37] Saggar，M.，《利用拓扑数据分析揭示大脑动态组织的新方法》，美国国家通讯社。，9, 1, 1399 (2018) ·doi:10.1038/s41467-018-03664-4
[38] 桑托斯，FAN，功能性脑网络中的拓扑相变，物理学。E版，100，3-1，032414（2019）·doi:10.1103/PhysRevE.100.032414
[39] 辛格，G.，视觉皮层群体活动的拓扑分析，J.维斯。，8, 8, 11 (2008) ·doi:10.1167/8.8.11
[40] Sizemore，AE；朱斯蒂，C。；A.卡恩。；维特尔，JM；贝策尔，RF；Bassett，DS，人类连接体中的Cliques和蛀牙，J.Comput。神经科学。，44, 1, 115-145 (2017) ·Zbl 1402.92119号 ·doi:10.1007/s10827-017-0672-6
[41] Sizemore Blevins，A。；Bassett，DS，节点过滤有序复合物的可重排序性，Phys。修订版E，101，5-1052311（2020）·doi:10.1103/PhysRevE.101.052311
[42] 斯波恩斯，O.，《图论方法：在大脑网络中的应用》，对话临床。神经科学。，20, 2, 111-121 (2018) ·doi:10.31887/DCNS.2018.20.2/osporns公司
[43] 瓦茨，DJ；Strogatz，SH，“小世界”网络的集体动态，《自然》，393，6684，440（1998）·Zbl 1368.05139号 ·doi:10.1038/30918
[44] Weber，M.等人：基于曲率的脑网络分析方法。arXiv预印arXiv:1707.00180（2017）
[45] 吴忠，涌现复杂网络几何，科学。代表510073（2015）·doi:10.1038/srep10073
[46] Zalesky，A。；Fornito，A。；Bullmore，E.，《关于使用相关性作为网络连通性的衡量标准》，Neuroimage，60，4，2096-2106（2012）·doi:10.1016/j.neuroimage.2012.02.01
[47] Zomordian，AJ，《计算拓扑》（2005），纽约：剑桥大学出版社，纽约·Zbl 1065.68001号 ·doi:10.1017/CBO9780511546945
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。