XiaoMi-AI文件搜索系统
World File Search System海马
海马CA1
在计算神经科学中，脑微电路和区域的生物学现实模型的发展是一个非常相关的主题。从基础研究到临床应用，对准确的模块的需求不断增长，该模型融合了局部细胞和网络特异性，能够捕获与给定大脑区域相关的广泛动态和功能。这些模型的主要挑战之一是不同尺度之间的通过，从微观（蜂窝）到中索（MicroCircuit）和Macroscale（区域或全脑级别），同时在同时限制计算资源的需求。解决此问题的一种新颖方法是使用神经元活动的平均场模型来构建大规模的模拟。这为相对较低的计算需求之间的量表之间的通过提供了有效的解决方案，这是由于系统维度的急剧降低而实现的。在本文中，我们引入了海马CA1的多尺度模拟框架，这是大脑的一个区域
海马，皮质和基底神经节
我们提出了一个框架，用于了解海马，新皮层和基底神经节如何共同支持哺乳动物大脑中的认知和行为功能。该框架基于在神经网络模型中出现的计算交易，在该模型中，实现一种类型的学习功能需要与实现另一种学习形式的必要形式的参数不同。例如，我们相对于一般的活动水平，学习率和激活模式之间的重叠水平，将海马与皮层分离。同样，额叶皮层和相关的基底神经节系统具有不需要后皮层系统的重要神经专业。总的来说，在功能性计算模型中实施的总体认知体系结构提供了一种丰富而经常微妙的方法来解释广泛的行为和认知神经科学数据。在这里，我们总结了识别记忆，上下文恐惧调节的领域的最新结果，基础神经节病变对刺激 - 反应和位置学习的影响以及敏感的反应。2004 Elsevier Inc.保留所有权利。2004 Elsevier Inc.保留所有权利。
分析海马神经元
唐氏综合症（DS）是由人类染色体21（HSA21）的一式字母引起的，代表了智力障碍的最常见基因组原因，在美国，患病率估计为700名活产的患病率估计为1个（Mai等人，2019年； Parker等，2010； Parker等，2010）。Individuals with DS have multiple neurodevelopmental phenotypes, mild to moderate intellectual impairment, neurological deficits, including reduced numbers and size of neurons in the hippocampus, along with systemic peripheral deficits ( Rachidi and Lopes, 2008 ; Chapman and Hesketh, 2000 ; Lott, 2012 ; Wisniewski, 1990 ; Freeburn and Munn, 2021 ; Emili等，2024）。ds导致与海马功能受损相关的记忆缺陷，包括情节和空间记忆的损害（Freeburn and Munn，2021； Chapman and Hesketh，2000; Conternabile等，2017; Das等，2014）。In addition, individuals with DS develop amyloid-beta peptide (A β ) senile plaques, tau-containing neurofibrillary tangles, cortical thinning, and overt brain atrophy over their lifespan ( Chapman and Hesketh, 2000 ; Mann et al., 1984 ; Lott and Head, 2019 ; Wisniewski et al., 1985 ).大多数患有DS的人都记录了渐进的认知障碍，痴呆症现在被描述为成人DS的主要死亡原因（Lott and Head，2019； Landes等，2020）。
通过直接海马注射
对神经回路的准确研究需要对单个电路元件的特定遗传获取，即大脑中无数的神经元细胞类型。但是，天然启动子无法实现这一目标，因为尽管大多数基因在大脑中表达，但很少有单个神经元细胞类型表达。我们最近使用了增强子，这是转录设备的子组成部分，这些仪器告诉启动子何时何地表达，并结合异源最小启动子来增加转基因表达的特异性，我们称之为增强子驱动的基因表达（EDGE）。在我们讨论时，Edge是对本机启动子的特异性的明显改善，但仍需要仔细的解剖分析以避免脱靶效应。在这项研究中，我们介绍了来自小鼠脑的一组更完整的基因组标记，并表征了一种新型的边缘病毒载体，能够在海马神经元的不同亚型中特异性地驱动表达，即使它可以在其他地方的其他细胞类型中表达。野生型动物中细胞型特异性病毒工具的出现为神经回路调查提供了有力的策略，并使用动物模型对研究的研究持希望有望。
慢性酒精中毒对人海马的影响
这些行为疾病具有神经病理学底物，主要在：弥漫性脑萎缩（Ron等，1982; Melgaard等，1984; Harper and Holloway，1985; Cala，1987; Cala，1987 cal ex and and all and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and e an and and and and and and。 1982; Dano and Guyader，1988年），减少了葡萄糖脑消耗（Schachs等，1987； Eckhardt等，1988），并降低了胆碱能和去甲肾上腺素的活性（Miers，1978; Mann and Mair，1980; Lishman，1980; Lishman; Lishman; Lishman》，1986年。神经元膜的渗透性也有变化（Goldstein，1983; Thomas，1985），对钾通道（Carlen and Wilkinson，1987; Niesen等，1988）。上面提到的报告无疑以相当严重的方式解释了中枢神经系统中发生的一些变化。有关人类海马中神经元丧失的强度的信息以及在减少神经元数量之前的其余神经元种群的反应是我们本研究的目的，以及在这些变化过程中和在这些变化过程中患者时代的重要性。我们之所以选择海马，是因为慢性酒精中毒在顺行记忆中表现出明显的缺陷，另一方面，海马与助记符有着密切的关系（Scoville，1954; Milner，1959; Squire，1959; Squire，1982; Olton et; Olton et al。
通过海马集线器构建海马神经元模型的在线互操作资源
摘要 - 评估和更新自动驾驶机器人实时的自主机器人的障碍速度，可确保对噪音和干扰的鲁棒性。一个被动阻尼控制器可以通过扭矩控制的机器人获得所需的运动，该机器人保持合规，并确保对外部扰动的安全响应。在这里，我们提出了一种设计被动控制政策的新方法。我们的算法与无障碍区域相结合，同时过渡到增加障碍物附近的阻尼以确保避免碰撞。这种方法可确保各种情况下的稳定性，从而有效地减轻干扰。对7DOF机器人臂的验证表现出与基线相比的出色碰撞拒绝能力，这强调了其实用性对现实世界的实用性。我们的障碍物阻尼控制器代表了在复杂和不确定的环境中安全机器人控制中的重大进步。
海马体的重建 - Infoscience
叶。在本章中，我们将讨论在计算机模型中重建啮齿动物海马的方法。由于海马结构在哺乳动物中大多得以保留，因此一些见解可能不仅限于啮齿动物。在啮齿动物中，海马体是位于新皮质正下方的显著结构。当我们说海马体时，我们指的是四个亚区域：齿状回 (DG)、海马角 1、2 和 3 (CA1、CA2 和 CA3)。一些作者使用术语海马体仅指 CA1、CA2 和 CA3。最后，对于术语海马体形成，我们还包括下托、前下托、副下托和内嗅皮质。海马体在多种认知功能中发挥着重要作用，例如学习和记忆（Jarrard 1993）和空间导航（O'Keefe and Nadel 1978）。海马体也与某些病理有关。例如，在阿尔茨海默病中，海马体似乎在疾病扩散到整个大脑之前的早期阶段就受到影响。在癫痫中，颞叶通常是癫痫发作的焦点，因为与其他皮质区域相比，海马体需要的电流要少得多，才能引发癫痫样活动。此外，海马体，特别是 CA1，极易受到缺血或缺氧损伤，这使得该区域在脑血管疾病中至关重要。海马体因其特殊的结构和特性而促成了许多发现。首先，它具有相对简单有序的结构，共有四层，其中兴奋性细胞仅占据一层。不同的海马区几乎单向连接，长距离纤维与锥体细胞的主要树突轴正交传播。此外，突触具有高度的可塑性，因此它们可以根据突触前和突触后细胞的行为改变其强度。最后，神经元可以在培养物中生长，并且急性或培养的切片可以在体外存活足够长的时间以用于实验。所有这些特性使海马体成为了解大脑一般原理的便捷基准。受益于海马体实验的关键发现
Cosyne 2024 -Helmholtz海马
摘要生成模型最近彻底改变了机器学习，并长期以来一直认为是生物智能的基础。在动物中，数据表明海马形成学习并使用生成模型来支持其在空间和非空间记忆中的作用。在这里，我们引入了海马形成的生物学上合理模型，该模型将我们应用于连续的输入流中的Helmholtz机器。快速theta波段振荡（5-10 Hz）门通过网络流动的方向，训练它类似于高频唤醒式睡算法。我们的模型可以从感觉刺激中准确地推断潜在状态，并在离线上产生逼真的感觉预测。在导航任务上接受了训练，它通过开发环圈吸引子来学习可以集成的导航任务，并可以在与以前的理论但生物学上难以置信的建议之间灵活地传输这种结构。虽然许多模型具有一般性的生物学合理性，但我们的模型在一个简单和局部的学习规则下捕获了各种海马认知功能。