×
罗伯托·索特罗（Roberto C.Sotero）。;纳尔逊·巴雷托（Nelson J.Trujillo-Barreto）。;亚瑟·伊图里亚-麦地那;费利克斯·卡博尼尔;胡安·希梅内兹（Juan C.Jimenez）。

真实耦合的神经质量模型可以产生脑电节律。 （英语） Zbl 1122.92015年

神经计算。 19，第2期，478-512（2007）.
小结：我们通过实际耦合的神经质量模型来研究脑电图节律的生成。以前的神经质量模型被用来模拟皮层体素和丘脑。考虑了同一皮层区域和其他皮层区域的体素之间以及与丘脑之间的相互作用。同一皮层区域内的体素与兴奋性和抑制性连接相耦合（短程连接），而区域间的耦合（长程连接）仅被认为是兴奋性的。根据体素之间的距离，使用连接函数对短距离连接强度进行建模。区域间的耦合强度参数是根据经验解剖数据定义的，该数据利用概率路径获得的信息，通过水扩散成像技术进行跟踪，并用于量化大脑中的白质束。
然后，每个皮层体素由一组16个随机微分方程描述，而丘脑由一组12个随机微分方程描述。因此，为了分析几个区域相互作用产生的神经元动力学，需要求解一个大型微分方程组。估计的解剖连接矩阵的稀疏性大大减少了连接参数的数量，使得该系统的求解速度更快。为了测试该模型，对人脑节律进行了模拟。基于这一解剖约束的神经质量模型，获得了生理上可信的结果。

引用于8文件

MSC公司：

92C20美元 神经生物学
92 C55 生物医学成像和信号处理
第34页 常微分方程和随机系统

关键词：

丘脑皮层模型
PDF格式BibTeX公司 XML格式引用
\textit{R.C.Sotero}等人，《神经计算》。19，第2号，478--512（2007；Zbl 1122.92015）
全文： 内政部

参考文献：

[1] 内政部：10.1038/nn1075·doi:10.1038/nn1075
[2] DOI:10.1016/S1388-2457（99）00309-0·doi:10.1016/S1388-2457（99）00309-0
[3] 内政部：10.1007/s10543-005-2645-9·Zbl 1081.65013号 ·doi:10.1007/s10543-005-2645-9
[4] 内政部：10.1016/0013-4694（83）90124-4·doi:10.1016/0013-4694（83）90124-4
[5] 内政部：10.1097/00004728-199403000-00005·doi:10.1097/00004728-199403000-00005
[6] 内政部：10.1146/anurev.neuro.27.070203.144152·doi:10.1146/annurev.neuro.27.070203.144152
[7] DOI:10.1016/S1053-8119（03）00202-7·doi:10.1016/S1053-8119（03）00202-7
[8] 内政部：10.1038/280120a0·doi:10.1038/280120a0
[9] DOI:10.1016/S0079-6123（08）60022-9·doi:10.1016/S0079-6123（08）60022-9
[10] 内政部：10.1097/00001756-200212200-00022·doi:10.1097/00001756-200212200-00022
[11] DOI:10.1023/A:1021995918864·Zbl 0998.65010号 ·doi:10.1023/A:1021995918864
[12] DOI:10.1016/S1053-8119（03）00142-3·doi:10.1016/S1053-8119（03）00142-3
[13] 内政部：10.1103/RevModPhys.65.413·doi:10.103/RevModPhys.65.413
[14] DOI:10.1001/archneur.55.2.193·doi:10.1001/archneur.55.2.193
[15] Jansen B.H.，《医学信息方法》40，第338页–（2001年）
[16] 内政部：10.1007/BF00199471·Zbl 0827.92010号 ·doi:10.1007/BF00199471
[17] 内政部：10.1007/BF00224863·doi:10.1007/BF00224863
[18] 内政部：10.1103/PhysRevLett.77.960·doi:10.1103/PhysRevLett.77.960
[19] DOI:10.1016/S0167-2789（96）00166-2·Zbl 0885.92012号 ·doi:10.1016/S0167-2789（96）00166-2
[20] DOI:10.1006/nimg.2001.1052·doi:10.1006/nimg.2001.1052
[21] 内政部：10.1007/BF00270757·doi:10.1007/BF00270757
[22] 数字对象标识码：10.1113/jphysiol.1984.sp015347·doi:10.1113/jphysiol.1984.sp015347
[23] DOI:10.1016/j.neuroimage.2004.03.038·doi:10.1016/j.neuroimage.2004.03.038
[24] 内政部：10.1006/nimg.1995.1012·doi:10.1006/nimg.1995.1012
[25] 内政部：10.1002/cne.903050303·doi:10.1002/cne.903050303
[26] 内政部：10.1093/brain/1220.4.701·doi:10.1093/brain/120.4.701
[27] 内政部：10.1109/TMI.2002.1009386·doi:10.1109/TMI.2002.1009386
[28] DOI:10.1073/pnas.82.13.4531·doi:10.1073/pnas.82.13.4531
[29] 内政部：10.1016/0013-4694（85）90942-3·doi:10.1016/0013-4694（85）90942-3
[30] 普隆西R.，IEEE Trans。生物医疗电子10 pp 9–（1963）
[31] 数字对象标识码：10.1126/science.279.5355.1351·doi:10.126/science.2795355.1351
[32] 内政部：10.1136/jnnp.69.4.528·doi:10.1136/jnnp.69.4.528
[33] 内政部：10.1109/TBME.1969.4502598·doi:10.1109/TBME.1969.4502598
[34] 内政部：10.1016/0013-4694（93）90063-2·doi:10.1016/0013-4694（93）90063-2
[35] 内政部：10.1080/0736299908809559·Zbl 0912.60078号 ·doi:10.1080/0736299908809559
[36] 内政部：10.1145/285861.285868·Zbl 0917.65063号 ·数字对象标识代码：10.1145/285861.285868
[37] DOI:10.1016/S1053-8119（03）00236-2·doi:10.1016/S1053-8119（03）00236-2
[38] 数字对象标识码：10.1007/s004220050572·Zbl 0960.92016号 ·doi:10.1007/s004220050572
[39] DOI:10.1007/BF02463252·Zbl 0478.92005号 ·doi:10.1007/BF02463252
[40] 数字对象标识码：10.1073/pnas.92.12.5577·doi:10.1073/pnas.92.12.5577
[41] 数字对象标识码：10.1007/s004220000160·doi:10.1007/s004220000160
[42] DOI:10.1016/S0006-3495（72）86068-5·doi:10.1016/S0006-3495（72）86068-5
[43] DOI:10.1007/BF00337367·Zbl 0391.92004号 ·doi:10.1007/BF00337367
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。