机构名称：
¥ 5.0
网络神经科学对于理解复杂大脑（障碍）功能和认知的原理和机制至关重要。在这种情况下，全脑网络建模（也称为虚拟大脑建模）将大脑动力学计算模型（放置在每个网络节点）与单个大脑图像数据（以协调和连接节点）相结合，从而增进我们对大脑复杂动力学及其神经生物学基础的理解。然而，考虑到不同的时空分辨率，仍然迫切需要自动模型反演工具来估计大规模和跨神经成像模式的控制（分叉）参数。本研究旨在通过引入一个灵活、综合的工具包来解决这一差距，该工具包用于在虚拟大脑模型上进行有效的贝叶斯推理，称为虚拟大脑推理（VBI）。该开源工具包提供快速模拟、特征提取分类、高效数据存储和加载以及概率机器学习算法，从而能够从非侵入性和侵入性记录中进行生物物理可解释的推断。通过计算机测试，我们证明了常用全脑网络模型及其相关神经成像数据的推断的准确性和可靠性。VBI 显示出通过不确定性量化来改善网络神经科学中的假设评估的潜力，并通过增强虚拟大脑模型的预测能力为精准医学的进步做出贡献。
虚拟大脑推理（VBI）
主要关键词
相关文件推荐
