カットの下-デコードとほとんどのスライド。
私がお話しすることは、技術的な観点ではなく、実質的な観点から、そしてデータ分析に関連する詳細な意味からではなく、興味を持ちそうです。 脳波（EEG）データに目を向ける際に、何を有意義に考慮する必要があるかについて詳しく説明しますが、より技術的な質問には可能な限り回答するようにします。
私は、脳の研究におけるそのような大規模で非常に生産的で有望な方向を、その中のニューラルネットワークの分析として話そうと努力しています。 プロセスは、脳で何が起こっているのか、そして何が起きているのかは、私たちの精神プロセスの特徴にどのように関係しているかという観点から分析されます。
私たちが共通の文脈を持つように、いくつかの紹介的な言葉。 脳の基本的な複雑さは、脳内のつながりにあります。 脳の中には膨大な数の神経細胞がありますが、その中には約860億個の神経細胞があり、それぞれが他の約1,000個の神経細胞と接触しています。 接続の重要なネットワークが判明します。 このネットワークで少なくともグローバルに何が起こっているかを理解しようとする試みは、過去15年間の傾向であり、研究者が積極的に取り組んでいます。
右側の写真（インターネット上のどこかによく見られます）はあまり正確ではありません。 ニューロンが右の写真のようにまばらに配置されている場合、脳は少なくとも象の大きさまで膨らむでしょう。 86をある程度脳に接続することは大きな作業なので、すべてが非常に密に詰まっています。
そのような全体的なレベルで脳を研究し、何が、どのように、どのプロセスに関連しているのかを理解しようとしている人々は、現在どのような成功を収めていますか？ たとえば、新しいツールを使用した積極的な開発があります。 最後に、知能の神経生物学的理論があります-その本質は、あなたと私の賢い人は、神経接続がより効率的に働き、情報がより良く流れる人々であるということです。
または、異なるタイプの病気を持つ人々の間の脳内の接続のタイプにいくつかの違いがあります。 たとえば、脳内でのネットワークの活性化方法の違いにより、アルツハイマー病はレビ小体の認知症と区別することができます。
ネットワークがどのように組織化されているかという観点からの脳のパターンは、指紋のように独特であるということを示した記事が最近登場したのは興味深いです。 そして、指紋の助けだけでなく、99％を超える精度で脳の記録の助けを借りて、潜在的に人を識別することができます。
異なる道徳的資質を持つ人々は、ネットワークが脳内でどのように機能するかで互いに異なります。 紛争に対する人々の反応は異なります。
脳の特定のネットワーク特性の分析は、研究者にとって非常に一般的な分野になり、人々を分類する方法を簡単に学ぶことができます。 おそらく、分類はこれまで以上に成功したことはありません。 実際、脳内のネットワークから多くのパラメーターを引き出すことができます。 これは、英語の接続性を備えたトレーシングペーパーのように、脳内の接続性とも呼ばれます。 脳の接続性は、非常に異なるレベルで研究できます。
まず、神経細胞に接続が生じます。 神経細胞は活動電位を生成します。 潜在的な作用は、神経細胞で発生する電荷であり、これにより神経伝達物質が神経細胞から放出されます。 それは別のセルに入り、放電が発生します。基本的にはすべてが電気化学回路によって接続されます。 以下に、これらの単一の可能性と行動の可能性がどのように生じるかを示します。 十分に多数の神経細胞の活動を登録し、活動電位が細胞内で発生する時期を追跡することにより、他の細胞で活動電位が発生する時期を予測できます。 これはすべて統計的に行われます。左の図の上の点は、脳の一部のニューロンの1つに活動電位が存在する活動です。 そのような単一のニューロンから、より同期した活動が発生します。 説明された作品を組み合わせるのは彼女です。
それはコンピューターの時計のようなものではありませんが、ある意味では、脳内に間違いなく存在し、情報の処理に役立つ同期された活動です。
個々の神経細胞のレベルで処理することは非常に興味深いことですが、私にはまったくわかりません。 これはかなり大きな別世界です。それについてはお話ししません。
別の既存のレベル。 きっとあなたはそのような写真を見ました、またはこれはミューズの最後から2番目のアルバムです。そこでは、脳のさまざまな領域からさまざまな弦が伸びています。 神経細胞のレベルではなく、大規模な解剖学的構造、脳の大部分のレベルだけでなく、繊維の束がどの場所に行き、これらの束が局所領域で情報を伝達する方法のレベルでも、最初に脳の接続を評価する試みがあります。
研究者は、MRIを使用して上記のすべてを行っており、かなり長い間それを行ってきました。 脳がどのように機能するかについて、すでにいくつかの興味深い情報があります。 たとえば、脳には非常に接続されたハブがあることがわかっています。 これは、リッチクラブネットワーキングと呼ばれます。 すべての情報が通過するいくつかのノード、大きな赤い点があります。
異なる病状などを持つ人々は、これらのノードの分布またはいくつかの変化のセットによって最もよく特徴付けられます。 もう一度、何か他のことについてお話しますが、あなたがこれを研究する方法のもう1つのレベルです。
別の分野は私にとって非常に興味深いようです。 個々のニューロンまたはニューロンの大きなグループの登録に関連するアプローチの利点と、脳全体を一度に見るときの大きなアプローチの利点があります。 しかし同時に、これらのアプローチの欠点はありません。
ニューロンのみで作業する場合の最初のケースの欠点は何ですか？ 主な欠点は、脳全体でニューロンをすぐに見ることができないことです。 人間の頭蓋骨を開き、すべてのニューロンに電極を配置することはできません。 ここで、私たちの研究では、私たちはすでに研究のために着手した領域に非常に限定されています。
同時に、このアプローチにより、非常に微妙なレベルでの脳内の情報の処理に関連する非常に高速で詳細なプロセスを見ることができます。 脳内の解剖学的ネットワークを見るときの2番目のアプローチのマイナス点は、このメソッドの機能により、2〜3秒のスケールで発生する変化のみを確認でき、迅速な変更は確認できないことです。 活動電位の周波数が数百ヘルツまたは数千ヘルツになることを考えると、脳にとって2〜3秒はひどいことです。
脳内のネットワークが電気生理学的レベルでどのように研究されているかについてお話します。 それは、個々のニューロンの研究の交差点についてです。 見ることができるプロセスの速度も非常に高速です。 あなたが実験にどれほど退屈であるかに応じて、0.001 Hzから約100 Hzの範囲です。 これらは、脳内の本当に速いプロセスです。 そして同時に、示された活動は脳全体に関連しています。
すべてはどのように配置されていますか？ まず第一に、脳波（EEG）と脳磁図の動作方法-彼女に記載されているすべてのものにも適用可能です。 きっとクリニックで誰かがEEGをしました。 多数の電極が頭に置かれています。 現在、神経科学の研究では、64個または128個の電極を配置し、頭部をかなり大きなドットで覆い、リード線を分離し、そこから合計の電気的活動を記録しています。 それがどこから来たのか詳細にはわかりません。 モデルはありますが、神経細胞のレベルでこの活動の誕生を再現することはできません。 しかし、脳内のいくつかの機能プロセスに関連していることは確かです。
各ポイントから、特定の振動活動を登録します。 おそらく脳のリズムについて聞いたことがあります-それらはまさにこの活動の構成要素です。 リズムは、一般的な振動プロセスの個々の周波数範囲です。 周波数特性に基づいて、アルファ、ベータ、シータリズムが分離されます。
私たちは脳内のネットワークの分析について話しているので、振動活動が頭の少なくとも2つのポイント間で接続されているかどうかを理解する必要があります。 脳内で接続されている領域があるかどうかを理解するために、脳内の活動を同時に記録する複数の電極を取り、一般的な方法で異なるリードの活動がどれだけ相互接続されているかを理解しようとします。 その結果、電極のペアに関する情報に基づいてネットワークのようなものを構築しようとしています。 MRIを使用して構築された同じネットワークが必要です。
電極が互いに相関するという事実は、情報の伝達に関連しています。 なぜそう思うのですか？ これは理にかなっているように思えますが、脳に関しては、このような些細なことすべてをチェックする方が良いでしょう。 どんな実験でも確認されていない理論モデルは、しばしば不十分に正確であることが判明します。 これは数学者にとっては良いトレーニングですが、必ずしも生理学的な意味があるわけではありません。 少し後、生理学の観点または信号を受信する技術的特徴の観点から、どのような微妙なことが起こり得るかを説明します。
この場合、いくつかのより詳細な細胞実験からわかっています：脳に2つのセクションがあり、それらの間に解剖学的接続がある場合、情報はそれらの間を流れ、実際、隣接ポイントで登録する信号は非常に大きくなります似ています。
これらの2つのセクション間の結合を切断すると（図の下に行くと、垂直線は結合を切断することを意味します）、最初に結合が劣化します。 そして、ファイバーを互いに離すと、接続は消えます。 私たちは脳のリズミカルな振動活動を失いました。 そして、完全にではなくても、すべてを復元し、少なくとも一部の情報がセル間を流れるようにした場合にのみ、同期されたアクティビティも復元されます。
2つのポイント間の同期は、脳内の2つの領域間の接続の指標であり、情報転送のプロセスがそれらの間でどれだけ活発に行われているかの指標であると合理的に信じています。
このレベルでさえ、特定の生理学的詳細が生じることに留意する必要があります。 いくつかのタイプの測定について説明しますが、すぐに警告します。それらは基本的に2つの大きなクラスに分けられます。 最初のクラスは無向測定であり、2点間の接続の方向性に関する仮定を行いません。 この場合、情報がどこから来たのか、どこから来たのかはまったく考慮しませんでした。 脳には、ある方向と別の方向に存在することがわかっている接続があります。情報伝達の一定の連鎖があり、それだけです。 このタイプの関係では、関係の方向にまったく依存しないメソッドを使用できます。
同時に、脳は一般的に-そしてこれは非常に論理的である-脳は階層的に構造化されていることを知っています。 そのため、情報の流れがあります。 少なくともビジョンを見てください：目から視神経を介して一次視覚野へ、そこから二次視覚野へなどの情報があります。一般的に言えば、一般的な方法で、脳内の接続は異なる方向に流れると言えます-まったく正しくありません。 したがって、次のことが非常に重要です。接続の方向を評価できる方法が必要です。
写真は、接続が一方向と異なる方向に配置されている例があることを示しています。 ここにマウスの脳と情報処理のいくつかの基本的な領域があります。 この意味では、マウスの脳内のすべての領域があり、それらの間の接続はほぼ同じ方法で伝達されます。
主に脳波信号の2つの特性を評価できます。 まず、一般的な振動プロセスがどれだけ存在するかを評価します。 そして、ここでは、これが振動プロセスであることを考えると、信号の位相がどれだけ一致するかを評価することが非常に重要です。
フェーズの単純な一致は、私たちにとって非常に重要な指標です。 この場合、フェーズを評価できます...
誰かが詳細に興味がある場合は、さらに詳しく調べたいと思います-最後に参照のリストがあります。 非常にわかりやすいレビューがあります-事前の経験がなくても、人にとって非常にわかりやすいです。
脳のフェーズで起こることの多くの変形があるかもしれません。 信号間の位相が一致する可能性があり、その場合は1つのパターンになることは明らかです。 通信にはある種の時間遅延が生じる可能性があります。その場合、別のパターンがあります。 最後に、接続は互いに逆にすることができます。 その後、最終的には依存関係がないことがわかります。 これが起こらないことは明らかです。 ユニットが発生しないように、ゼロは発生しませんが、それでも発生しません。
基本的な位相同期は、信号を複素数に分解し、実数部と虚数部を抽出することにより評価されます。 まず、虚数部のみが評価されます。 私はこれを非常によく理解していません、それは私がやっていることからは程遠いです。 そこで、ここでリンクにアクセスします。
実行できるもう1つの重要なことは、信号の位相特性を、位相に関係なく振幅または周波数特性ほど評価しないことです。
ここでは、まず、コヒーレンスを分析する方法があります。 実際、わずかな補正を加えて、一対の電極間の相関を計算するだけです。 まあ、あなたはまた、私たちの波長が異なるという事実のために生じる異なる周波数範囲で非常に深刻な位相変化を考慮する必要があります。 示された変化を考慮して、周波数スペクトルを波長に正規化するときに、位相ロック値の手順のいくつかの複雑さが形成されます。
ここで-位相同期を評価する場合、およびコヒーレンスを評価する場合-実際に情報転送の方向に敏感ではない信号を取得します。 信号が相互接続されていることを単に感謝しています。
これらの方法は60〜70年代に開発されたものであり、今ややや複雑な特性があることは明らかです。 たとえば、大量の信号がある場合、位相を取得するだけでなく、一方の信号と他方の信号の位相分布を見て、それらの間の類似性を評価することはできません。 私たちは重要な比較について話している。それはより正確な評価をするのに役立つが、それでも関係の方向の問題を解決しない。
もう1つの大きなタイプは、信号が一方から他方に流れるという最初の仮定に基づく方法です。 まず第一に、グレンジャー因果法はこれらを指します。 これらの方法は経済向けに開発されましたが、神経科学でも積極的に使用されています。 ある場所での活動に基づいて、別の電極で何が起こるかを予測し、これを理解するのに予測力がどれほど素晴らしいかを見つけようとしています。 そして、時間をシフトして、ある場所で起こっていることが他の場所で起こっていることにどのようにつながるかを見ることができます。
この種のことを分析する際に、他に何を考慮する必要があるかについて、もっと話したいと思いました。 ポイント間の接続について話すとき、この接続にはいくつかの技術的特性と、ポイントからの情報がどのように送られるかといういくつかの特徴があることを考慮に入れる必要があります。 例えば、ある種の電気的活動を見るとき、私たちは常に電位差について話していることを覚えておくことは非常に重要です。 潜在的な違いがある場合、1つのポイントが既に存在します。 同時に、頭とは別のポイントがあります。これはリファレンスと呼ばれます。 それに関しては、信号の差を調べます。 この意味で、脳で利用可能なすべての信号の共通点をとると、単に技術的な特性のために、人為的に類似性を高めることが理解できます。 ゼロアクティビティがまったくない場所には既に共通点があり、これを使用して電位差を取得します。 最初の問題について説明しました。 これは、詳細に分析し、参照およびカウントアクティビティのさまざまなポイントを常に選択することで解決できます。
もう1つの問題は次のとおりです。2つのポイント間の接続を見ると、これが両方のポイントと3番目のポイントの接続の結果である可能性があることはわかりません。
まず第一に、頭蓋骨の表面での活動を見ていますが、脳の活動の源は特定の電気双極子であり、頭部のさまざまな部分に伝わる伝播場です。 頭皮に見られる活動から脳内のソースの活動を取得できる方法があります。 そして、頭のポイント間の接続ではなく、脳内のソース間の接続を理解する必要があります。
アクティビティを計算するために示された方法—アクティビティがいくつかの一般的なソースから来ていることを正しく考慮し、信号の技術的特性を考慮に入れる—は理解できます。 考えるべきことを説明します。 信号が流れるべき場所または流れるべきでない場所に関する理論的なことを考慮に入れて、私たちはあなた方すべてにずっと近いタスクに到達します。 全員ではないかもしれませんが、Yandexでこれについて言えば、この問題にはもっと専門家がいると思います。
実際、ネットワーク、つまり一対のポイント間の接続のグラフになります。 さらに、すでに説明した方法を使用して、これらの接続の強度を定量化できます。 これはまだ十分に調査されていない領域です。 , , . . .
.
, , . - , . ありがとう