神经科学和大数据:如何找到简单的大脑

科学家现在可以同时监测和记录数以百计的神经元的活动在大脑中,承诺和持续的技术发展这一数字成倍地增加。然而,仅仅记录神经活动并不会自动导致更清晰的理解大脑是如何工作的。

在一个新的评论发表的论文自然神经科学,卡内基梅隆大学的拜伦m . Yu和哥伦比亚大学的约翰·p·坎宁安描述许多神经元的科学研究活动的动机在一起,连同一个类的机器学习算法-降维解释活动。

近年来,降维提供了深入了解大脑如何区分不同的气味,使决策在面对不确定性时,可以考虑移动肢体不动。Yu和坎宁安认为使用降维作为标准分析方法,就能很容易地比较健康异常的大脑活动模式,最终导致改进治疗和干预对脑损伤和疾病。

“神经科学的核心原则之一就是大量的神经元共同引起大脑功能。然而,大多数标准分析方法适合于分析一次只有一个或两个神经元。了解大量的神经元相互作用,先进的统计方法,如降维,需要解释这些大规模神经录音,”Yu说,助理教授卡内基梅隆大学电气和计算机工程和生物医学工程中心和教员的神经基础认知(CNBC)。

降维背后的理念是总结大量的神经元的活动,使用较少的潜变量(或隐藏)。降维方法尤其有用揭开大脑的内部运作,比如当我们沉思或解决精神的数学问题,大脑里想的是所有动作发生的地方而不是在外面的世界。这些潜在的变量可以用来跟踪的路径的想法。

“科学的主要目标之一是用简单的语言解释复杂的现象。传统上,神经科学家寻找简单与单个神经元。然而,越来越认识到神经元显示不同的功能在他们的活动模式难以解释通过检查一个神经元。降维方法为我们提供了一个接受单一神经元的异质性和寻求简单解释的神经元相互作用,”坎宁安说,哥伦比亚大学助理教授的统计数据。

尽管降维是相对较新的神经科学相比,现有的分析方法,它已经显示了巨大的希望。与大数据越来越大由于大脑神经记录技术的持续发展和联邦倡议,降维及相关方法的使用可能会变得越来越重要。

注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

卡内基梅隆大学新闻稿

出版

约翰·p·坎宁安,拜伦m。降维大规模神经录音。《自然神经科学》,2014年8月24日在线发表。doi: 10.1038 / nn.3776