动态因果建模和贝叶斯模型选择的评估：基于脉冲神经元网络的模拟研究
摘要：从记录的电活动中推断大脑生理和病理过程的机制具有挑战性。贝叶斯模型选择和动态因果建模旨在识别解释数据和拟合模型参数的可能生物物理模型。在这里，我们使用由模拟产生的数据来研究贝叶斯模型选择和动态因果建模在稳态频域中应用于识别和拟合Jansen-Rit模型的效果。首先，我们研究了线性假设对Jansen-Rit模型动力学的影响。然后，我们将动态因果建模和贝叶斯模型选择应用于来自线性神经质量模型、非线性神经质量模型和离散尖峰神经元网络的模拟数据。动作电位是神经动力学的一个特征，但在用于测试贝叶斯模型选择或动态因果建模的模拟中尚未明确地包括在内。我们发现，线性假设消除了原始Jansen-Rit模型中连接参数作为功能的定性转变。与以前的工作一样，我们发现恢复程序在应用于线性Jansen-Rit神经质量模型的数据时是有效的，然而，在应用它们于非线性神经质量模型和离散尖峰神经元网络时，我们发现它们的有效性显著降低，这表明在应用这些方法时需要谨慎。
作者：Matthew G. Thomas
论文ID：2306.15859
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-06-29