×
G.曼朱纳特。

进化中的网络模型几乎可以重新生成癫痫数据。 （英语） Zbl 1414.92033号

神经计算。 29，第4期，937-967（2017）.
摘要：在许多现实网络中，表示节点之间交互的边是时变的。越来越多的证据表明，模拟人脑动态的复杂网络具有时变互连，即网络正在演化。基于这一证据，我们构建了一个特定于患者和数据的演化网络模型（包括离散时间动态系统），其中癫痫发作或癫痫发作在大脑中的终止也由节点之间时变互连的性质决定。我们的方法的一个新颖和独特的特点是，不断演化的网络模型记住了其构思来源的数据，从这个意义上说，它进化到几乎可以重新生成患者数据，即使向其呈现任意的初始条件。我们通过从临床数据构建一个进化网络来说明我们的方法的潜在效用，该网络有助于识别大致的癫痫发作病灶；这样一个理论上确定的节点癫痫发作焦点是传出中枢，显然是癫痫发作的传播者。我们还指出了移除这种散布器在限制癫痫发作方面的功效。

引用于1文件

理学硕士：

92B20型 生物研究、人工生命和相关主题中的神经网络
92 C50 医疗应用（通用）

关键词：

进化神经网络模型;癫痫发作;时变互连
PDF格式BibTeX公司 XML格式引用
\textit{G.Manjunath}，神经计算。29，第4号，937-967（2017；Zbl 1414.92033）
全文： 内政部 arXiv公司

参考文献：

[1] Benjamin，O.、Fitzgerald，T.、Ashwin，P.、Tsaneva-Atanasova，K.、Chowdhury，F.、Richardson，M.P.和Terry，J.R.（2012）。癫痫发作的现象学模型表明，网络结构可能解释特发性全身性癫痫的发作频率。数学杂志。神经科学。，2（1）·兹比尔1291.92022
[2] Bertram，E.H.，Zhang，Mangan，P.，Fountain，N.，&Rempe，D.（1998）。边缘癫痫的功能解剖：弥漫性超兴奋网络的中央同步化建议。癫痫研究，32（1），194-205，
[3] Bonilha，L.、Nesland，T.、Martz，G.U.、Joseph，J.E.、Spampinato，M.V.、Edwards，J.C.和Tabesh，A.（2012）。内侧颞叶癫痫与神经纤维丢失和边缘结构结构连通性异常增加有关。神经病学、神经外科和精神病学杂志，83，903-909，
[4] Bragin，A.、Wilson，C.和Engel，J.（2000）。慢性癫痫需要发展一个病理上相互连接的神经元簇网络：一个假设。癫痫，41（s6），S144-S152，
[5] Breakspear，M.、Roberts，J.、Terry，J.R.、Rodrigues，S.、Mahant，N.和Robinson，P.（2006）。通过非线性大脑建模和分岔分析对原发性全身性癫痫进行统一解释。大脑皮层，16（9），1296-1313，
[6] Devaney，R.L.（1989）。混沌动力学系统导论。马萨诸塞州雷丁：Addison-Wesley·Zbl 0695.58002号
[7] Diessen，E.、Diederen，S.J.、Braun，K.P.、Jansen，F.E.和Stam，C.J.（2013）。癫痫患者的功能和结构脑网络：我们学到了什么？癫痫，54（11），1855-1865，
[8] Elaydi，S.（2005）。差分方程简介。纽约：Springer Science&Business Media·Zbl 1071.39001号
[9] FitzHugh，R.（1969年）。神经兴奋和传播的数学模型。H.W.Schwan（编辑），《生物工程》（第1-85页）。纽约：McGraw-Hill。
[10] Furi，M.和Martelli，M.（1991）。关于中值定理、不等式和包含。《美国数学月刊》，98，840-846·Zbl 0748.26006号
[11] Hutchings，F.、Han，C.E.、Keller，S.S.、Weber，B.、Taylor，P.N.和Kaiser，M.（2015）。通过基于结构连接体的模拟预测颞叶癫痫的手术靶点。公共科学图书馆计算。生物，11（12），e1004642，
[12] Jaeger，H.（2001）。用于分析和训练递归神经网络的回波状态方法，带有勘误表（GMD技术报告148.34）。波恩：德国国家信息技术研究中心。
[13] Jansen，B.H.和Rit，V.G.（1995年）。皮层柱耦合数学模型中的脑电图和视觉诱发电位生成。生物控制论，73（4），357-366·Zbl 0827.92010号
[14] Jirsa，V.K.、Stacey，W.C.、Quilichini，P.P.、Ivanov，A.I.和Bernard，C.（2014）。关于癫痫发作动力学的本质。大脑，137（8），2210-2230，
[15] Kalitzin，S.N.、Velis，D.N.和da Silva，F.H.L.（2010年）。癫痫患者大脑中基于刺激的状态转换预测和控制。癫痫与行为，17（3），310-323，
[16] Khosravani，H.，Mehrotra，N.，Rigby，M.，Hader，W.J.，Pinnegar，C.R.，Pillay，N.…Federico，P.（2009）。人类颞叶癫痫患者心电图高频振荡的空间定位和时间依赖性变化。癫痫，50（4），605-616，
[17] Kloeden，P.、Pötzsche，C.和Rasmussen，M.（2013）。离散时间非自治动力系统。在R.Johnson&M.P.Pera（Eds.）《非自治微分方程的稳定性和分岔理论》（第35-102页）中。纽约：施普林格·Zbl 1310.37011号
[18] Kloeden，P.E.和Rasmussen，M.（2011年）。非自治动力系统。普罗维登斯，RI：美国数学学会·Zbl 1244.37001号
[19] Kramer，M.A.和Cash，S.S.（2012年）。癫痫是一种皮层网络组织紊乱。神经学家，18（4），360-372，
[20] Lemieux，L.、Daunizeau，J.和Walker，M.C.（2011年）。连通性和人类癫痫活动的概念。系统神经科学前沿，5，1-13，
[21] Maass，W.、Natschläger，T.和Markram，H.（2002）。无稳定状态的实时计算：基于扰动的神经计算新框架。神经计算，14（11），2531-2560·兹比尔1057.68618
[22] Manjunath，G.和Jaeger，H.（2013）。与输入相关的回声状态属性：探索递归神经网络的基本特征。神经计算，25（3），671-696·Zbl 1269.92006年9月
[23] Manjunath，G.和Jaeger，H.（2014）。随机差分方程的动力学由闭合关系重构。SIAM数学分析杂志，46（1），459-483·Zbl 1347.37098号
[24] Marten，F.、Rodrigues，S.、Suffczynski，P.、Richardson，M.P.和Terry，J.R.（2009）。用于研究临床记录的癫痫动力学的常微分方程平均场模型的推导和分析。物理评论E，79（2），021911，
[25] Morgan，R.J.和Soltesz，I.（2008）。癫痫齿状回的非随机连通性预测了神经元中枢在癫痫发作中的主要作用。《美国国家科学院院刊》，105（16），6179-6184，
[26] Ngugi，A.K.、Bottomley，C.、Kleinschmidt，I.、Sander，J.W.和Newton，C.R.（2010）。评估活动性和终身癫痫的负担：荟萃分析方法。癫痫，51（5），883-890，
[27] Richardson，M.P.（2012）。癫痫的大规模脑模型：动力学与连接组学相结合。神经病学、神经外科和精神病学杂志，83（12），1238-1248，
[28] Robinson，P.、Rennie，C.和Rowe，D.（2002年）。正常唤醒状态和癫痫发作时大规模脑活动的动力学。物理评论E，65（4），041924，
[29] Rocsoreanu，C.、Georgescu，A.和Giurgiteanu，N.（2012年）。FitzHugh-Nagumo模型：分歧和动力学。纽约：Springer Science&Business Media·Zbl 0959.34031号
[30] Schmidt，H.、Petkov，G.、Richardson，M.P.和Terry，J.R.（2014）。网络动力学：局部动力学和全局网络在超同步神经活动出现方面的作用。公共科学图书馆计算。生物，10（11），e1003947，
[31] Silva，F.H.、Blanes，W.、Kalitzin，S.N.、Parra，J.、Suffczynski，P.和Velis，D.N.（2003）。脑系统动力学疾病：癫痫发作的不同途径。IEEE生物医学工程学报，50（5），540-548，
[32] Spencer，S.S.（2002）。人类癫痫中的神经网络：治疗的证据和意义。癫痫，43（3），219-227，
[33] Steil，J.J.（2004）。反向传播相关性：复杂度为o（n）的在线递归学习。2004年IEEE国际神经网络联合会议论文集，第2卷，第843-848页。新泽西州皮斯卡塔韦：IEEE，
[34] Suffczynski，P.、Kalitzin，S.和da Silva，F.L.（2004）。双稳态神经元网络模拟的非惊厥性癫痫现象动力学。神经科学，126（2），467-484，
[35] Taylor，P.N.、Goodfellow，M.、Wang，Y.和Baier，G.（2013）。建立患者特异性癫痫棘波放电的大规模模型。生物控制论，107（1），83-94，
[36] Terry，J.R.、Benjamin，O.和Richardson，M.P.（2012）。捕获生成：节点和网络的作用。癫痫，53（9），e166-e169，
[37] Wendling，F.、Bartolomei，F.，Bellanger，J.和Chauvel，P.（2002）。癫痫快速活动可以用GABA能树突抑制受损的模型来解释。《欧洲神经科学杂志》，15（9），1499-1508，
[38] Wendling，F.、Hernandez，A.、Bellanger，J.-J.、Chauvel，P.和Bartolomei，F.（2005）。人类颞叶癫痫发作间期至发作间期的转变：来自脑内EEG计算模型的见解。临床神经生理学杂志，22（5），343。
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。