JP2005502147A - 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 - Google Patents
興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 Download PDFInfo
- Publication number
- JP2005502147A JP2005502147A JP2003527624A JP2003527624A JP2005502147A JP 2005502147 A JP2005502147 A JP 2005502147A JP 2003527624 A JP2003527624 A JP 2003527624A JP 2003527624 A JP2003527624 A JP 2003527624A JP 2005502147 A JP2005502147 A JP 2005502147A
- Authority
- JP
- Japan
- Prior art keywords
- neuron
- artificial neuron
- neurons
- signal
- excitatory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Feedback Control In General (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本発明は、人工ニューロンを用いて、興奮性神経細胞の伝達特性を求めて記述することに関する。興奮性神経細胞を記述する第１の人工ニューロンは、外部シナプス活性に相応する第１の入力信号の供給用の第１の入力側と、内部シナプス活性に相応する第２の入力信号の供給用の第２の入力側と、活動電位活性に相応する出力信号の送出用の出力側とを有している。
Description
【技術分野】
【０００１】
本発明は、人工ニューロンを使って、興奮性神経細胞の伝達特性を求めて記述することに関する。
【０００２】
［１］から、神経細胞（ニューロン）およびその生物学的機能、すなわち、神経細胞の生物学的特性を人工ニューロンによってシミュレーションすることが公知である。
【０００３】
図２には、そのような、人工ニューロンによってシミュレートされる神経細胞２００の構造が略示されている。
【０００４】
脳の基本モジュールである、この神経細胞２００は、所謂樹状突起２１０、すなわち、管状に、たいていかなり分岐した細い突起を有していて、この突起を用いて、神経細胞２００は入力信号を受け取る。この入力信号、つまり、所謂シナプス活性は、神経細胞２００内で、殊に、神経細胞の細胞体２２０内で処理され、電気神経パルス乃至電位（活動電位または「スパイク」活性とも呼ばれる）を伝達する。
【０００５】
電気神経パルスは、神経繊維２３０、所謂軸索を介して伝達され、軸索は、その端部が分岐している２３１。
【０００６】
その部分の、分枝２３１の端部には、脹れ部であるシナプス２４０が形成されており、このシナプスを介して、神経細胞２００の電気神経パルスが、当該神経細胞に結合された後続の神経細胞に分配される。
【０００７】
従って、そのようなシナプス２４０は、２つの神経細胞間のコンタクト箇所、乃至、軸索２３０の一端と別のニューロンの樹状突起２１０との間のコンタクト箇所であることが明らかである。
【０００８】
更に、［１］から、２つの種類のシナプスないし神経細胞を区別することが公知であり、つまり、興奮性シナプス２５１乃至神経細胞、および、抑制性シナプス２５２乃至神経細胞に区別される。
【０００９】
抑制性シナプス２５２は、伝送乃至伝達すべき電位を低下し、興奮性シナプス２５１は、伝送すべき電位を高める。
【００１０】
神経細胞の構成および機能用、並びに、神経伝導路の別の実施例は、［１］に示されている。
【００１１】
更に、［１］から、（生物学的）神経細胞をシミュレートした人工神経細胞（人工ニューロン）が公知である。
【００１２】
具体的には、そのような人工ニューロンは、生物学的な神経細胞の伝達特性に相応して、人工ニューロンの入力量を、人工ニューロンの出力量に写像する。
【００１３】
生物学的モデルによると、人工ニューロンは、３つの構成要素から成り立っている：つまり、細胞体、樹状突起、軸索の３つの構成要素からなり、樹状突起は、人工ニューロンへの入力信号を加算し、軸索は、人工ニューロンの出力信号を外側に伝導し、分岐し、シナプスを介して後続の人工ニューロンの樹状突起と結合する。
【００１４】
シナプスの強さ、乃至、シナプスの種類は、たいてい数値乃至数値の符号によって示される。この値は、結合の荷重として示される。
【００１５】
生物学的モデルに相応して、人工ニューロンの伝達特性乃至写像特性は、［１］に記載されているようにして写像することができる。
【００１６】
生物学的モデルに対して、神経細胞を、そのような人工ニューロンによってシミュレートするのは、極めて理想状態にすぎず、即ち、人工ニューロンによって実施することができる伝達特性は、神経細胞が持っている伝達特性と一致せず、乃至、精確に一致するとは限らない。
【００１７】
例えば、［１］では、殊に、興奮性神経細胞と抑制性神経細胞との間での、神経細胞の伝達特性に作用を及ぼす各神経細胞間の交互作用の影響は、理想状態では、人工ニューロンによって考慮されない。
【００１８】
人工ニューロンの別の実施例、および、その機能については、［１］に示されている。
【００１９】
更に、［２］から、個別ニューロンを相互に結合することが公知である。そのような、相互に結合したニューロンの配置構成は、ニューラルネットと呼ばれる。ニューラルネットの基本、例えば、ニューラルネットの種々異なる種類、ニューラルネットのトレーニング方法、生物学的神経細胞の配列構造の特徴については、［２］に説明されている。
【００２０】
［３］からは、複雑系の記述時にミーンフィールドモデルを用いることが公知である。ミーンフィールドモデルでは、系の各コンポーネント間の統計的な交互作用の影響が、平均的な交互作用の影響によって近似されている。従って、解析的に記述できない統計的系を、解析的に記述可能な決定系に還元することができる。
【００２１】
［４］からは、ニューロン構造の記述時にミーンフィールドモデルを用いることが公知である。
【００２２】
［５］からは、公知の磁気共鳴トモグラフィの発展技術であるｆＭＲＩ技術が公知である。
【００２３】
従来公知の磁気共鳴トモグラフィ（核スピントモグラフィ、短縮してＭＲとも呼ばれる）は、負担となるエックス線ビームを用いずに人体の断面画像を形成する画像形成方法である。その代わり体組織の特性は強磁場にさらされる。体組織、例えば、脳、または、脊髄内の病気の変化の様子を検出することができる。
【００２４】
体組織内、例えば、患者の脳内の機能障害は、何れにせよ、従来の磁気共鳴トモグラフィを用いて検出することができない。
【００２５】
これを検出することができるのは、機能的核スピントモグラフィ、つまり、ｆＭＲＩ技術である。
【００２６】
ｆＭＲＩ技術を用いて、間接的に、患者の脳の領域内で、ニューロンの活性を測定することができる。それによって、脳の個別領域内のニューラル活性と関連する所謂ＢＯＬＤ信号（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）が測定される。
【００２７】
そのようなｆＭＲＩ測定の結果は、所定の時間に亘る、例えば、知覚プロセスの間、特定の認識過程または運動タスクの結果としての、個別領域の活性の経過特性を示す。従って、脳の機能障害が、測定されたｆＭＲＩ信号内にインプリシットに含まれる。
【００２８】
数学的方法を使用して、ｆＭＲＩ測定が解析され、そうすることによって、脳内の機能障害およびその原因を直接推定することができるようになる。
【００２９】
この解析方法には、脳内のニューロン構造およびその（伝達）特性に基づく、脳の数学モデルが含まれている。
【００３０】
目下使用されている公知の解析方法は、たいてい、あまり精確でなく、従って、場合によっては診断時に誤って推定したり、効率が悪い、即ち、各々の解析方法を用いる際に遅速でコスト高であるという欠点がある。
【００３１】
たいていの公知の方法での、この欠点は、一般的に、この方法に基づいて構成された、脳内のニューロン構造のモデリング、殊に、ニューロンのモデリング並びにその特性が、生物学的モデル乃至実物と不十分にしか一致していないことに起因する。
【００３２】
［６］から、ｆＭＲＩ解析方法用のソフトウェアツール、”ｆｍｒｉ．ｐｒｏ”が公知である。［７］からは、ｆＭＲＩ技術を実行するための装置が公知である。
【００３３】
従って、本発明の課題は、機能、殊に、神経細胞の伝達特性が改善され、即ち、公知の人工ニューロンによるシミュレーションよりも、生物学的パターンと一致してシミュレーション可能な装置並びに所属の方法を提供することにある。
【００３４】
この課題は、各独立請求項記載の各要件を有する方法並びに装置によって解決される。
【００３５】
興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置であって、前記神経細胞によって、外部および内部シナプス活性を活動電位活性に変換する装置において、
第１の人工ニューロンを有しており、該第１の人工ニューロンは、興奮性神経細胞を記述し、該興奮性神経細胞は、外部シナプス活性に相応する第１の入力信号の供給用の第１の入力側と、内部シナプス活性に相応する第２の入力信号の供給用の第２の入力側と、活動電位活性に相応する出力信号の送出用の出力側とを有しており、
前記第２の入力側を介して前記第１の人工ニューロンと結合された前記第２の人工ニューロンを有しており、該第２の人工ニューロンは、抑制性神経細胞を記述し、該第２の人工ニューロンは、前記第１の人工ニューロンの第２の入力信号を形成するのである。
【００３６】
興奮性神経細胞の伝達特性によって、外部シナプス活性及び内部シナプス活性を活動電位活性に変換する際に、当該興奮性神経細胞の伝達特性を求めるための方法において、
人工ニューロンを用いて以下の各ステップ：
興奮性神経細胞を記述する第１の人工ニューロンに、第１の入力側で、外部シナプス活性に相応する第１の入力信号を供給し、
前記第１の人工ニューロンの第２の入力側に、内部シナプス活性に相応して、第２の入力側を介して前記第１の人工ニューロンと結合された、抑制性神経細胞を記述する第２の人工ニューロンを形成する第２の入力信号を供給し、
前記第１の人工ニューロンの出力側から、活動電位活性に相応する出力信号を取り出し、
前記第１の入力信号および前記第２の入力信号および出力信号を用いて、伝達特性を求める
のである。
【００３７】
人工ニューロンとは、本発明では、計算要素に供給された各入力量を、予め決めることができる写像を用いて、当該計算要素から送出可能な出力量に写像することである。
【００３８】
写像は、線形に行っても非線形に行ってもよく、抑制性神経細胞または興奮性神経細胞の機能乃至伝達特性を記述することができる。
【００３９】
本発明では、興奮性神経細胞および抑制性神経細胞、ないし、第１の人工ニューロンおよび第２の人工ニューロンはユニットと見なすことができる。そのようなユニットは、「ボクセル」と呼んでもよい。
【００４０】
本発明は、脳内で生起しているような、複雑な神経細胞構造の記述、並びに、その複雑な活性パターンを特に簡単且つ精確なやり方で行うことができるという特別な利点を有している。従って、本発明によると、神経細胞乃至神経細胞構造の機能障害について、高い信頼度で推定することができる。
【００４１】
本発明の装置は、特に、本発明の方法、または、後述の本発明の実施例を実施するのに適している。
【００４２】
本発明の有利な実施例は、従属請求項に記載されている。
【００４３】
後述の実施例は、方法にも装置にも関している。
【００４４】
本発明および後述の実施例は、ソフトウェアでもハードウェアでも、例えば、特別な電気回路を用いて構成してもよい。
【００４５】
更に、本発明または後述の実施例を、本発明または実施例を実施するコンピュータプログラムが記憶されている、コンピュータ読み出し可能なメモリ媒体によって構成してもよい。
【００４６】
本発明または後述の実施例を、本発明または実施例を実施するコンピュータプログラムが記憶されたメモリ媒体を有するコンピュータプログラム生成体によって構成してもよい。
【００４７】
本発明の実施例では、別の興奮性神経細胞を記述し、且つ、第１の入力側を介して第１の人工ニューロンと結合された別の人工ニューロンによって形成するとよい。
【００４８】
別の構造的な実施例では、第１の人工ニューロンは、セルフフィードバックによって、第１の人工ニューロンの別の出力側を第１の人工ニューロンの第３の入力側と結合する自己刺激信号によって自己刺激するためのセルフフィードバックを有している。
【００４９】
殊に脳のように、膨大な数の個別神経細胞を有する高次の神経細胞構造の記述の場合、第１の人工ニューロンによって記述される興奮性神経細胞は、多数の興奮性神経細胞、殊に、脳または脳の領域内の多数の興奮性神経細胞を示すようにすると目的に適っている。
【００５０】
それに相応して、第２のニューロンを記述する抑制性神経細胞が、殊に、脳または脳の領域内の多数の抑制性神経細胞を示すようにすると目的に適っている。
【００５１】
そのような場合、多数の興奮性神経細胞および多数の抑制性神経細胞が、所定の同じ脳領域に割当られ、乃至、同じ脳領域に属していることが可能である。
【００５２】
一般的に、その種の１つの代表にまとめられて、１つの代表によって記述された神経細胞は、ポピュレーションと呼ばれる。
【００５３】
それに相応して、多数の抑制性の神経細胞がまとめられた場合、抑制性のポピュレーションが生じ、乃至、多数の興奮性の神経細胞がまとめられた場合、興奮性のポピュレーションが生じる。興奮性ポピュレーションおよび抑制性ポピュレーションからまとめられたユニットは、ボクセルとも呼べる。
【００５４】
更に、各神経細胞を１つのポピュレーションにまとめる際、ミーンフィールドモデルが使われる。そうすることによって、個別神経細胞間の個別の交互作用の影響は考慮されず、この個別交互作用は、平均化された交互作用によって近似される。
【００５５】
そのようなミーンフィールドモデルは、個別神経細胞の記述の際、または、個別ボクセルの記述の際に使ってもよい。
【００５６】
例えば、脳内の、そのような高次神経細胞の記述時に、更に、少なくとも２つの、一般的にはいくつかのボクセルが相互に、信号線路を介して相互に結合される。
【００５７】
２つのボクセルを、第１のボクセルの第１の人工ニューロンの出力信号が、第１の入力信号として、第２のボクセルの第１の人工ニューロンに供給され、並びに、別の入力信号として、第２のボクセルの第２の人工ニューロンに供給されるように結合することができる。
【００５８】
具体的には、この場合、第１のボクセルの興奮性神経細胞は、第２のボクセルの興奮性神経細胞にも抑制性神経細胞にも結合されている。
【００５９】
しかし、他の結合形態も可能である。
【００６０】
生物学的モデルの記述精度を改善するために、興奮性および抑制性神経細胞を、各々の人工ニューロンによって非線形に写像するようにすると目的に適っている。
【００６１】
生物学的モデルで、つまり、実際の興奮性または実際の抑制性神経細胞での測定によって、各々の入力および出力神経信号を、例えば、電流周波数に関連付けて測定することによって求めて、それから、相応の写像を抽出し、この写像を各々の神経細胞の記述時に使用するようにすると、目的に適っている。
【００６２】
この写像を、生理学的及び／又は神経解剖学的知識を用いることによって決めてもよい。
【００６３】
生物学的に矛盾しないようにして、写像のために、微分方程式、即ち、時間によって変わる方程式を立てると有意義であり、例えば：
【００６４】
【数１】
その際：
τ：時定数
ｄ／ｄｔ：時間変数ｔの導関数
ａ，ｂ：神経細胞用乃至ポピュレーション用のインデックス
ｍ＝「スパイク」活性
ｈ＝シナプス活性
ｇ（．）＝写像規則
である。
【００６５】
生物学的パターンの記述精度を改善するために、荷重乃至荷重値を用いて人工ニューロンの入力信号及び／又は出力信号を荷重付けしても目的に適っている。
【００６６】
そのような、生理学的及び／又は神経解剖学的知識を用いて決定することができる荷重によって、生物学的モデル、例えば、神経信号を神経細胞の軸索からシナプスを介して後続の神経細胞の樹状突起への伝達をシミュレートする神経伝導路、殊に、シナプス伝達をシミュレートすることができる。本発明の実施例では、生物学的モデルのシミュレーション時の理想化の範囲内で、荷重は全て、同じ、及び／又は、時間によって変わらないように設定される。
【００６７】
本発明の別の実施例では、生物学的モデルでの活性電位または「スパイク」活性に相応する出力信号は、活性電位の数及び／又は統計量が出力信号から求められるように後続処理される。
【００６８】
従って、実施例によって記述された神経細胞の活性、即ち、神経細胞のニューロン活性の程度乃至高さを推定することができる。
【００６９】
実施例では、本発明が、機能的核磁気共鳴トモグラフィ（ｆＭＲＩ）で使用されている。この実施例では、患者の脳の活性が、その脳の所定の活性状態で、活性状態がＢｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ（ＢＯＬＤ）信号によって記述され、この信号がｆＭＲＩによって測定され、ＢＯＬＤ信号の場合に、第１の入力信号として、本発明を用いて、脳の活性を示す出力信号が求められる。
【００７０】
本発明の実施例について、図示の実施例を用いて、以下詳細に説明する。
【００７１】
その際、
図１は、１実施例によるボクセル内の神経伝導路を略示した図、
図２は、神経細胞の構造を略示した図、
図３は、１実施例によるｆＭＲＩを実施する装置を示す図、
図４は、１実施例による人工ボクセルでの神経伝導路の略図、
図５は、１実施例によるボクセルでの神経伝導路のステップ略図、
図６は、１実施例による相互に結合された２つのボクセルでの神経伝導路の略図、
図７は、ボクセルの伝達特性を記述する、入力信号および出力信号を用いた１実施例によるボクセルの伝達特性の略図
である。
【００７２】
実施例：機能的核スピントモグラフィ
図３は、核スピントモグラフィ乃至核磁気共鳴トモグラフィ（略語：ｆＭＲＩ）、機能的核スピントモグラフ乃至磁気共鳴トモグラフ３００を示す。
【００７３】
［５］からは、公知の磁気共鳴トモグラフィの発展技術であるｆＭＲＩ技術の原理が公知である。
【００７４】
核スピントモグラフ３００は、閉じたチューブ３１０を有しており、チューブは、マグネット３２０内に、マグネットがチューブ３１０内に強い磁場を形成するように装着されている。
【００７５】
さらに、核スピントモグラフィ３００は、チューブ３１０内で移動可能な患者用ガントリ３３０を有しており、このガントリの上に、検査の際に患者が載置される。
【００７６】
更に、核スピントモグラフ３００は、制御装置３３１を有しており、この制御装置は、検査の際に患者用ガントリ３３０をコントロールおよび制御することができ、例えば、チューブ３２０内に患者用ガントリ３３０を装入するのを制御することができる。
【００７７】
別のコンポーネントとして、核スピントモグラフ３００は、ＢＯＬＤ（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）の測定用の測定装置３４０、測定されたＢＯＬＤ信号の評価用の評価装置３４１を有しており、この場合、高性能コンピュータ、ならびに、操作員用の操作乃至相互作用装置３４２、検査結果の表示用の表示装置３４３を有している。
【００７８】
核スピントモグラフ３００のコンポーネントは、例えば、データおよび信号が伝送可能な、信号またはデータ線路を介して、機能上相互に接続されている。
【００７９】
図３に示されている機能的核スピントモグラフ３００は、ｆＭＲＩ技術に基づいて、患者の脳領域内のニューラル活性を測定することができる。
【００８０】
そのために、測定装置３４０を用いて、各々の領域内のニューラル活性と関連した、患者の脳の個別領域内でＢＯＬＤ（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）が測定される。
【００８１】
そのようなｆＭＲＩ測定の結果は、所定時間に亘る、例えば、所定の知覚プロセスまたは検査中患者によって実行される運動過程の結果としての認識過程中の個別領域の活性の経過を示す。患者脳内の機能障害は、従って、測定されたｆＭＲＩ信号内にインプリシットに含まれている。
【００８２】
相応の解析方法を利用する、ないし、実行する評価装置３４１を使用して、ｆＭＲＩ測定、即ち、脳の個別領域内で測定されたＢＯＬＤ信号が解析され、そうすることによって、脳の活性が、脳内の検査領域内の相応の活性パターンの形式で求められ、それから、脳内の機能障害と、その原因を直接推定することができる。
【００８３】
評価装置３４０によって利用される解析方法には、能内のニューロン構造、および、その（伝達）特性に基づく脳のモデルが形成され、このモデルに基づいて、測定されたＢＯＬＤ信号が解析されて、評価される。
【００８４】
解析方法、ならびに、脳のモデル、脳内のニューロン構造およびその（伝達）特性について、以下、図１および４の図を用いて説明する。
【００８５】
検査の結果乃至推定は、表示装置３４３に表示され、評価装置３４１と接続された操作および相互作用装置３４２を用いて更に処理される。
【００８６】
評価方法の基礎
一般的に、使われている図では、信号線路内での信号の流れ方向、例えば、神経伝導路内での神経信号の流れ方向は、矢印方向によって示されている。
【００８７】
図１には、相互に結合された個別神経細胞を含む膨大な数の、脳内の複雑な神経細胞構造が示されている。
【００８８】
この基本構造１００、ボクセルでは、興奮性神経細胞１０１は、抑制性神経細胞１０２と第１の神経伝導路１０３と第２の神経伝導路１０４を介して結合されており、その際、抑制性神経細胞１０２の神経信号は、興奮性神経細胞１０１に伝達可能であり、興奮性神経細胞１０１の神経信号は、抑制性神経細胞１０２に伝達可能である。
【００８９】
更に、興奮性神経細胞１０１は、第３の神経伝導路１０５（樹状突起）を有しており、この第３の神経伝導路１０５（樹状突起）を用いて、別のボクセルの別の神経細胞の神経信号が、興奮性神経細胞１０１内に伝達可能である（シナプス後活性ｈ）。
【００９０】
興奮性神経細胞１０１は、第４の神経伝導路１０６（軸索）を有しており、この軸索を用いて、神経信号が、興奮性神経細胞１０１から第２の別のボクセルの第２の別の神経細胞に伝達可能である（スパイク活性Ｍ）。
【００９１】
更に、興奮性神経細胞１０１および抑制性神経細胞１０２は、各々自己刺激神経伝導路１０７および１０８を有している。
【００９２】
各神経伝導路１０３〜１０８には、荷重ｗ（ｗ１〜ｗ６；１１１〜１１６）が割当られており、各荷重は、各々の神経信号のシナプス伝達を示す。
【００９３】
図４には、図１に示されたボクセル１００の相応のボクセルモデル４００が示されている。
【００９４】
本質、構成、機能の点で相応の生物学的および所属のモデル化された各コンポーネントは、同じ参照記号を付けている。
【００９５】
このボクセルモデル４００では、第１の人工ニューロン１０１は、第１の信号伝導路１０３と第２の信号伝導路１０４とを介して、第２の人工ニューロン１０２と結合されており、第２の人工ニューロン１０２の信号は、第１の人工ニューロン１０１に伝達可能であり、第１の人工ニューロン１０１の信号は、第２の人工ニューロン１０１に伝達可能である。
【００９６】
更に、第１の人工ニューロン１０１は、第３の信号伝導路１０５を有しており、この第３の信号伝導路１０５を用いて、別のボクセルの別の人工ニューロンの信号が、第１の人工ニューロン１０１に伝達可能である（シナプス後活性ｈ）。
【００９７】
人工ニューロン１０１は、第４の信号伝導路１０６を有しており、この第４の信号伝導路１０６を用いて、信号が第１の人工ニューロン１０１から第２の別のボクセルの第２の別の人工ニューロンに伝達可能である（スパイク活性Ｍ）。
【００９８】
各信号伝導路１０３〜１０６には、荷重ｗ（ｗ１〜ｗ４；１１１〜１１４）が割当られており、各荷重は、各信号の基礎となっている神経信号のシナプス伝達を示す。
【００９９】
図５には、生物学的基本構造体１００並びにボクセルモデル４００で経過乃至実行されるステップ５０１〜５０４のリストアップ５００が示されている。
【０１００】
第１のステップ５０１では、外部シナプス活性に相応する興奮性神経細胞を記述するニューロンが供給される。
【０１０１】
第２のステップ５０２では、第１のニューロンの第２の入力側に、内部シナプス活性に相応していて、第２の入力側を介して第１のニューロンと結合された、抑制性神経細胞を記述する第２のニューロンから生成された第２の入力信号が供給される。
【０１０２】
第３のステップ５０３では、第１のニューロンの出力側から、活動電位活性に相応する出力信号が出力される。
【０１０３】
第４のステップ５０４では、第１の入力信号および第２の入力信号および出力信号を用いて、生物学的基本構造体１００乃至ボクセル乃至モデル４００の伝達特性が求められる。
【０１０４】
図６には、２つのボクセル乃至ボクセルモデル１２０および１２１の結合が、ボクセル１００乃至ボクセルモデル４００により図示されている。
【０１０５】
本質、構成、機能の点で、相応の生物学的および所属のモデル化された構成要素は、各々図１および図４の参照記号と同じ参照記号を有している。
【０１０６】
２つのボクセル乃至ボクセルモデル１２０および１２１は、第１のボクセル１２０の興奮性神経細胞１０１が、伝導路１０６および１１０を介して、第２のボクセル１２１の興奮性神経細胞１２２とも、第２のボクセル１２１の抑制性神経細胞１２３とも結合されるように相互に結合されている。
【０１０７】
付加的な伝導路１０７〜１０９並びに付加的な荷重１１５〜１１８が図示されている。この伝導路乃至荷重には、上述のことが相応に該当する。
【０１０８】
前述のボクセル乃至ボクセルモデルに関して（図１，４および６）、ＢＯＬＤ信号の解析用の解析方法の範囲内で使われる機能的な関連について、以下説明する：
後述の機能的な関連には、限定的ではない以下の仮定が基礎となっている。この仮定は、本発明を限定するものではなく、複雑な関連を簡単にするために使うにすぎない。本発明の基本的な観点は、それによって損なわれるものではない。
【０１０９】
仮定１：神経細胞構造体に、［３］および［４］に記載されているようなミーンフィールドモデルによる関連が基礎となる。
【０１１０】
仮定２：全ての荷重は、同じ大きさ、および、時間により変化しないものと仮定される。興奮性ニューロンの出力信号が伝達される伝導路の荷重は正である。抑制性ニューロンの出力信号が伝達される伝導路の荷重は負である。
【０１１１】
以下の参照記号が使われる：
ｅ：興奮性ニューロン
ｉ：抑制性ニューロン
１，２：ボクセル１またはボクセル２のインデックス
ａ，ｂ：ポピュレーション１またはポピュレーション２のインデックス
ｗ：荷重
ｈ：シナプス活性、動的な場合
Ｈ：シナプス活性、静的な場合
Ｍ乃至ｍ：スパイク活性（Ｍ：静的な場合；ｍ：動的な場合）
τ：時定数
ｄ／ｄｔ：時間変数ｔの導関数
ｇ（．）：写像規則
以下の方程式が成り立つ：
【０１１２】
【数２】
【０１１３】
【数３】
【０１１４】
測定されたＢＯＬＤ信号の解析：
選択された脳領域の機能障害の検査時に、この領域で測定されたＢＯＬＤ信号は、上述のモデルにシナプス活性（Ｈｅ２＋Ｈｉ２）として供給される。
【０１１５】
モデルを使用して、このモデルから、相応の活性Ｍｅ２が、選択された脳領域内のニューラル活性の直接量として求められる。
【０１１６】
図７には、例として、第１および第２の脳領域用の、そのようなＢＯＬＤ信号の第１および第２の時間経過特性７０１および７０２が、それから求められた第１および第２のスパイク活性乃至相応の第１および第２のニューラル活性パターンの第１および第２の所属の時間経過特性７１１および７１２と共に示されている。
【０１１７】
スパイク活性Ｍｅ２の信号経過特性、乃至、この信号経過特性によって形成された、脳領域内の活性パターンが、この領域内の機能障害として検出可能である。
【０１１８】
この明細書で、以下の刊行物が引用されている：
［１］ Ｚｅｌｌ，Ａ．，”Ｓｉｍｕｌａｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｎｅｔｚｅ”，Ｓ．３５〜５１，Ｓ．５５〜８６，Ａｄｄｉｓｏｎ−Ｗｅｓｌｅｙ Ｌｏｎｇｍａｎ Ｖｅｒｌａｇ ＧｍｂＨ，１９９４，３．Ｕｎｖｅｒａｅｎｄｅｒｔｅｒ Ｎａｃｈｄｒｕｃｋ，Ｒ．Ｏｌｄｅｎｂｏｕｒｇ Ｖｅｒｌａｇ，ＩＳＢＮ ３−４８６−２４３５０−０，２０００
［２］ Ｚｅｌｌ，Ａ．，”Ｓｉｍｕｌａｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｎｅｔｚｅ”，Ｓ．８７〜１１４，Ａｄｄｉｓｏｎ−Ｗｅｓｌｅｙ Ｌｏｎｇｍａｎ Ｖｅｒｌａｇ ＧｍｂＨ，１９９４，３．Ｕｎｖｅｒａｅｎｄｅｒｔｅｒ Ｎａｃｈｄｒｕｃｋ，Ｒ．Ｏｌｄｅｎｂｏｕｒｇ Ｖｅｒｌａｇ，ＩＳＢＮ ３−４８６−２４３５０−０，２０００
［３］ Ｊ．Ｊ．Ｂｉｎｎｅｙ，Ｎ．Ｊ．Ｄｏｗｒｉｃｋ，Ａ．Ｊ．Ｆｉｓｃｈｅｒ，Ｍ．Ｅ．Ｊ．Ｎｅｗｍａｎ，”Ｔｈｅ Ｔｈｅｏｒｙ ｏｆ Ｃｒｉｔｉｃａｌ Ｐｈｅｎｏｍｅｎａ”，Ｋａｐ．６：Ｍｅａｎ−Ｆｉｅｌｄ Ｔｈｅｏｒｙ， Ｃｌａｒｅｎｄｏｎ Ｐｒｅｓｓ Ｏｘｆｏｒｄ １９９２
［４］ Ｃ．Ｋｏｃｈ，Ｉ．Ｓｅｇｅｖ（Ｈｒｓｇ）， ”Ｍｅｔｈｏｄｓ ｏｆ Ｎｅｕｒａｌ Ｍｏｄｅｌｉｎｇ：Ｆｒｏｍ Ｉｏｎｓ ｔｏ Ｎｅｔｗｏｒｋｓ”， Ｋａｐ １３： Ｄ．Ｈａｎｓｅｌ ａｎｄ Ｈ． Ｓｏｍｐｏｌｉｎｓｋｙ： ”Ｍｏｄｅｌｉｎｇ Ｆｅａｔｕｒｅ Ｓｅｌｅｃｔｉｖｉｔｙ ｉｎ Ｌｏｃａｌ Ｃｉｒｃｕｉｔｓ”，ＭＩＴ Ｐｒｅｓｓ， Ｃａｍｂｒｉｄｇｅ， １９９８
［５］ Ａ．Ｗ．Ｔｏｇａ ａｎｄ Ｊ．Ｃ．Ｍａｚｉｏｔｔａ （Ｈｒｓｇ）， ”Ｂｒａｉｎ Ｍａｐｐｉｎｇ： Ｔｈｅ Ｍｅｔｈｏｄｓ”， Ｋａｐ ９： Ｍ．Ｓ． Ｃｏｈｅｎ： ”Ｒａｐｉｄ ＭＲＩ ａｎｄ Ｆｕｎｃｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎｓ”， Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ １９９６
［６］ Ｂｅｓｃｈｒｅｉｂｕｎｇ ｆｕｅｒ ｅｉｎｅ Ｓｏｆｔｗａｒｅ ”ｆｍｒｉ．ｐｒｏ” ｚｕｒ ｑｕａｎｔｉｔａｔｉｖｅｎ ｆＭＲＩ−Ａｎａｌｙｓｅ， ｅｒｈａｅｌｔｌｉｃｈ ａｍ ０７．０９．２００１， ｕｎｔｅｒ
ｈｔｔｐ：／／ｗｗｗ／ｍｅｄ．ｕｎｉ−ｍｕｅｎｃｈｅｎ．ｄｅ／ｒａｄｉｎ／ｈｔｍｌ／
ａｒｂｅｉｔｓｇｒｕｐｐｅｎ／ｆｍｒｉ／ｃｃｆｍｒｉ．ｈｔｍｌ
［７］ Ｂｅｓｃｈｒｅｉｂｕｎｇ ｆＭＲＩ−Ｇｅｒａｅｔ，ｅｒｈａｅｌｔｌｉｃｈ ａｍ ０７．０９．２００１， ｕｎｔｅｒ ｈｔｔｐ：／／ｗｗｗ．ｕｎｉｐｕｂｌｉｃ．ｕｎｉｚｈ．ｃｈ／ｃａｍｐｕｓ／ｕｎｉ−ｎｅｗｓ／２００１／０１４７／ｆｍｒｉ．ｈｔｍｌ
【図面の簡単な説明】
【０１１９】
【図１】１実施例によるボクセル内の神経伝導路を略示した図
【図２】神経細胞の構造を略示した図
【図３】１実施例によるｆＭＲＩを実施する装置を示す図
【図４】１実施例による人工ボクセルでの神経伝導路の略図
【図５】１実施例によるボクセルでの神経伝導路のステップ略図
【図６】１実施例による相互に結合された２つのボクセルでの神経伝導路の略図
【図７】ボクセルの伝達特性を記述する、入力信号および出力信号を用いた１実施例によるボクセルの伝達特性の略図
【０００１】
本発明は、人工ニューロンを使って、興奮性神経細胞の伝達特性を求めて記述することに関する。
【０００２】
［１］から、神経細胞（ニューロン）およびその生物学的機能、すなわち、神経細胞の生物学的特性を人工ニューロンによってシミュレーションすることが公知である。
【０００３】
図２には、そのような、人工ニューロンによってシミュレートされる神経細胞２００の構造が略示されている。
【０００４】
脳の基本モジュールである、この神経細胞２００は、所謂樹状突起２１０、すなわち、管状に、たいていかなり分岐した細い突起を有していて、この突起を用いて、神経細胞２００は入力信号を受け取る。この入力信号、つまり、所謂シナプス活性は、神経細胞２００内で、殊に、神経細胞の細胞体２２０内で処理され、電気神経パルス乃至電位（活動電位または「スパイク」活性とも呼ばれる）を伝達する。
【０００５】
電気神経パルスは、神経繊維２３０、所謂軸索を介して伝達され、軸索は、その端部が分岐している２３１。
【０００６】
その部分の、分枝２３１の端部には、脹れ部であるシナプス２４０が形成されており、このシナプスを介して、神経細胞２００の電気神経パルスが、当該神経細胞に結合された後続の神経細胞に分配される。
【０００７】
従って、そのようなシナプス２４０は、２つの神経細胞間のコンタクト箇所、乃至、軸索２３０の一端と別のニューロンの樹状突起２１０との間のコンタクト箇所であることが明らかである。
【０００８】
更に、［１］から、２つの種類のシナプスないし神経細胞を区別することが公知であり、つまり、興奮性シナプス２５１乃至神経細胞、および、抑制性シナプス２５２乃至神経細胞に区別される。
【０００９】
抑制性シナプス２５２は、伝送乃至伝達すべき電位を低下し、興奮性シナプス２５１は、伝送すべき電位を高める。
【００１０】
神経細胞の構成および機能用、並びに、神経伝導路の別の実施例は、［１］に示されている。
【００１１】
更に、［１］から、（生物学的）神経細胞をシミュレートした人工神経細胞（人工ニューロン）が公知である。
【００１２】
具体的には、そのような人工ニューロンは、生物学的な神経細胞の伝達特性に相応して、人工ニューロンの入力量を、人工ニューロンの出力量に写像する。
【００１３】
生物学的モデルによると、人工ニューロンは、３つの構成要素から成り立っている：つまり、細胞体、樹状突起、軸索の３つの構成要素からなり、樹状突起は、人工ニューロンへの入力信号を加算し、軸索は、人工ニューロンの出力信号を外側に伝導し、分岐し、シナプスを介して後続の人工ニューロンの樹状突起と結合する。
【００１４】
シナプスの強さ、乃至、シナプスの種類は、たいてい数値乃至数値の符号によって示される。この値は、結合の荷重として示される。
【００１５】
生物学的モデルに相応して、人工ニューロンの伝達特性乃至写像特性は、［１］に記載されているようにして写像することができる。
【００１６】
生物学的モデルに対して、神経細胞を、そのような人工ニューロンによってシミュレートするのは、極めて理想状態にすぎず、即ち、人工ニューロンによって実施することができる伝達特性は、神経細胞が持っている伝達特性と一致せず、乃至、精確に一致するとは限らない。
【００１７】
例えば、［１］では、殊に、興奮性神経細胞と抑制性神経細胞との間での、神経細胞の伝達特性に作用を及ぼす各神経細胞間の交互作用の影響は、理想状態では、人工ニューロンによって考慮されない。
【００１８】
人工ニューロンの別の実施例、および、その機能については、［１］に示されている。
【００１９】
更に、［２］から、個別ニューロンを相互に結合することが公知である。そのような、相互に結合したニューロンの配置構成は、ニューラルネットと呼ばれる。ニューラルネットの基本、例えば、ニューラルネットの種々異なる種類、ニューラルネットのトレーニング方法、生物学的神経細胞の配列構造の特徴については、［２］に説明されている。
【００２０】
［３］からは、複雑系の記述時にミーンフィールドモデルを用いることが公知である。ミーンフィールドモデルでは、系の各コンポーネント間の統計的な交互作用の影響が、平均的な交互作用の影響によって近似されている。従って、解析的に記述できない統計的系を、解析的に記述可能な決定系に還元することができる。
【００２１】
［４］からは、ニューロン構造の記述時にミーンフィールドモデルを用いることが公知である。
【００２２】
［５］からは、公知の磁気共鳴トモグラフィの発展技術であるｆＭＲＩ技術が公知である。
【００２３】
従来公知の磁気共鳴トモグラフィ（核スピントモグラフィ、短縮してＭＲとも呼ばれる）は、負担となるエックス線ビームを用いずに人体の断面画像を形成する画像形成方法である。その代わり体組織の特性は強磁場にさらされる。体組織、例えば、脳、または、脊髄内の病気の変化の様子を検出することができる。
【００２４】
体組織内、例えば、患者の脳内の機能障害は、何れにせよ、従来の磁気共鳴トモグラフィを用いて検出することができない。
【００２５】
これを検出することができるのは、機能的核スピントモグラフィ、つまり、ｆＭＲＩ技術である。
【００２６】
ｆＭＲＩ技術を用いて、間接的に、患者の脳の領域内で、ニューロンの活性を測定することができる。それによって、脳の個別領域内のニューラル活性と関連する所謂ＢＯＬＤ信号（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）が測定される。
【００２７】
そのようなｆＭＲＩ測定の結果は、所定の時間に亘る、例えば、知覚プロセスの間、特定の認識過程または運動タスクの結果としての、個別領域の活性の経過特性を示す。従って、脳の機能障害が、測定されたｆＭＲＩ信号内にインプリシットに含まれる。
【００２８】
数学的方法を使用して、ｆＭＲＩ測定が解析され、そうすることによって、脳内の機能障害およびその原因を直接推定することができるようになる。
【００２９】
この解析方法には、脳内のニューロン構造およびその（伝達）特性に基づく、脳の数学モデルが含まれている。
【００３０】
目下使用されている公知の解析方法は、たいてい、あまり精確でなく、従って、場合によっては診断時に誤って推定したり、効率が悪い、即ち、各々の解析方法を用いる際に遅速でコスト高であるという欠点がある。
【００３１】
たいていの公知の方法での、この欠点は、一般的に、この方法に基づいて構成された、脳内のニューロン構造のモデリング、殊に、ニューロンのモデリング並びにその特性が、生物学的モデル乃至実物と不十分にしか一致していないことに起因する。
【００３２】
［６］から、ｆＭＲＩ解析方法用のソフトウェアツール、”ｆｍｒｉ．ｐｒｏ”が公知である。［７］からは、ｆＭＲＩ技術を実行するための装置が公知である。
【００３３】
従って、本発明の課題は、機能、殊に、神経細胞の伝達特性が改善され、即ち、公知の人工ニューロンによるシミュレーションよりも、生物学的パターンと一致してシミュレーション可能な装置並びに所属の方法を提供することにある。
【００３４】
この課題は、各独立請求項記載の各要件を有する方法並びに装置によって解決される。
【００３５】
興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置であって、前記神経細胞によって、外部および内部シナプス活性を活動電位活性に変換する装置において、
第１の人工ニューロンを有しており、該第１の人工ニューロンは、興奮性神経細胞を記述し、該興奮性神経細胞は、外部シナプス活性に相応する第１の入力信号の供給用の第１の入力側と、内部シナプス活性に相応する第２の入力信号の供給用の第２の入力側と、活動電位活性に相応する出力信号の送出用の出力側とを有しており、
前記第２の入力側を介して前記第１の人工ニューロンと結合された前記第２の人工ニューロンを有しており、該第２の人工ニューロンは、抑制性神経細胞を記述し、該第２の人工ニューロンは、前記第１の人工ニューロンの第２の入力信号を形成するのである。
【００３６】
興奮性神経細胞の伝達特性によって、外部シナプス活性及び内部シナプス活性を活動電位活性に変換する際に、当該興奮性神経細胞の伝達特性を求めるための方法において、
人工ニューロンを用いて以下の各ステップ：
興奮性神経細胞を記述する第１の人工ニューロンに、第１の入力側で、外部シナプス活性に相応する第１の入力信号を供給し、
前記第１の人工ニューロンの第２の入力側に、内部シナプス活性に相応して、第２の入力側を介して前記第１の人工ニューロンと結合された、抑制性神経細胞を記述する第２の人工ニューロンを形成する第２の入力信号を供給し、
前記第１の人工ニューロンの出力側から、活動電位活性に相応する出力信号を取り出し、
前記第１の入力信号および前記第２の入力信号および出力信号を用いて、伝達特性を求める
のである。
【００３７】
人工ニューロンとは、本発明では、計算要素に供給された各入力量を、予め決めることができる写像を用いて、当該計算要素から送出可能な出力量に写像することである。
【００３８】
写像は、線形に行っても非線形に行ってもよく、抑制性神経細胞または興奮性神経細胞の機能乃至伝達特性を記述することができる。
【００３９】
本発明では、興奮性神経細胞および抑制性神経細胞、ないし、第１の人工ニューロンおよび第２の人工ニューロンはユニットと見なすことができる。そのようなユニットは、「ボクセル」と呼んでもよい。
【００４０】
本発明は、脳内で生起しているような、複雑な神経細胞構造の記述、並びに、その複雑な活性パターンを特に簡単且つ精確なやり方で行うことができるという特別な利点を有している。従って、本発明によると、神経細胞乃至神経細胞構造の機能障害について、高い信頼度で推定することができる。
【００４１】
本発明の装置は、特に、本発明の方法、または、後述の本発明の実施例を実施するのに適している。
【００４２】
本発明の有利な実施例は、従属請求項に記載されている。
【００４３】
後述の実施例は、方法にも装置にも関している。
【００４４】
本発明および後述の実施例は、ソフトウェアでもハードウェアでも、例えば、特別な電気回路を用いて構成してもよい。
【００４５】
更に、本発明または後述の実施例を、本発明または実施例を実施するコンピュータプログラムが記憶されている、コンピュータ読み出し可能なメモリ媒体によって構成してもよい。
【００４６】
本発明または後述の実施例を、本発明または実施例を実施するコンピュータプログラムが記憶されたメモリ媒体を有するコンピュータプログラム生成体によって構成してもよい。
【００４７】
本発明の実施例では、別の興奮性神経細胞を記述し、且つ、第１の入力側を介して第１の人工ニューロンと結合された別の人工ニューロンによって形成するとよい。
【００４８】
別の構造的な実施例では、第１の人工ニューロンは、セルフフィードバックによって、第１の人工ニューロンの別の出力側を第１の人工ニューロンの第３の入力側と結合する自己刺激信号によって自己刺激するためのセルフフィードバックを有している。
【００４９】
殊に脳のように、膨大な数の個別神経細胞を有する高次の神経細胞構造の記述の場合、第１の人工ニューロンによって記述される興奮性神経細胞は、多数の興奮性神経細胞、殊に、脳または脳の領域内の多数の興奮性神経細胞を示すようにすると目的に適っている。
【００５０】
それに相応して、第２のニューロンを記述する抑制性神経細胞が、殊に、脳または脳の領域内の多数の抑制性神経細胞を示すようにすると目的に適っている。
【００５１】
そのような場合、多数の興奮性神経細胞および多数の抑制性神経細胞が、所定の同じ脳領域に割当られ、乃至、同じ脳領域に属していることが可能である。
【００５２】
一般的に、その種の１つの代表にまとめられて、１つの代表によって記述された神経細胞は、ポピュレーションと呼ばれる。
【００５３】
それに相応して、多数の抑制性の神経細胞がまとめられた場合、抑制性のポピュレーションが生じ、乃至、多数の興奮性の神経細胞がまとめられた場合、興奮性のポピュレーションが生じる。興奮性ポピュレーションおよび抑制性ポピュレーションからまとめられたユニットは、ボクセルとも呼べる。
【００５４】
更に、各神経細胞を１つのポピュレーションにまとめる際、ミーンフィールドモデルが使われる。そうすることによって、個別神経細胞間の個別の交互作用の影響は考慮されず、この個別交互作用は、平均化された交互作用によって近似される。
【００５５】
そのようなミーンフィールドモデルは、個別神経細胞の記述の際、または、個別ボクセルの記述の際に使ってもよい。
【００５６】
例えば、脳内の、そのような高次神経細胞の記述時に、更に、少なくとも２つの、一般的にはいくつかのボクセルが相互に、信号線路を介して相互に結合される。
【００５７】
２つのボクセルを、第１のボクセルの第１の人工ニューロンの出力信号が、第１の入力信号として、第２のボクセルの第１の人工ニューロンに供給され、並びに、別の入力信号として、第２のボクセルの第２の人工ニューロンに供給されるように結合することができる。
【００５８】
具体的には、この場合、第１のボクセルの興奮性神経細胞は、第２のボクセルの興奮性神経細胞にも抑制性神経細胞にも結合されている。
【００５９】
しかし、他の結合形態も可能である。
【００６０】
生物学的モデルの記述精度を改善するために、興奮性および抑制性神経細胞を、各々の人工ニューロンによって非線形に写像するようにすると目的に適っている。
【００６１】
生物学的モデルで、つまり、実際の興奮性または実際の抑制性神経細胞での測定によって、各々の入力および出力神経信号を、例えば、電流周波数に関連付けて測定することによって求めて、それから、相応の写像を抽出し、この写像を各々の神経細胞の記述時に使用するようにすると、目的に適っている。
【００６２】
この写像を、生理学的及び／又は神経解剖学的知識を用いることによって決めてもよい。
【００６３】
生物学的に矛盾しないようにして、写像のために、微分方程式、即ち、時間によって変わる方程式を立てると有意義であり、例えば：
【００６４】
【数１】
τ：時定数
ｄ／ｄｔ：時間変数ｔの導関数
ａ，ｂ：神経細胞用乃至ポピュレーション用のインデックス
ｍ＝「スパイク」活性
ｈ＝シナプス活性
ｇ（．）＝写像規則
である。
【００６５】
生物学的パターンの記述精度を改善するために、荷重乃至荷重値を用いて人工ニューロンの入力信号及び／又は出力信号を荷重付けしても目的に適っている。
【００６６】
そのような、生理学的及び／又は神経解剖学的知識を用いて決定することができる荷重によって、生物学的モデル、例えば、神経信号を神経細胞の軸索からシナプスを介して後続の神経細胞の樹状突起への伝達をシミュレートする神経伝導路、殊に、シナプス伝達をシミュレートすることができる。本発明の実施例では、生物学的モデルのシミュレーション時の理想化の範囲内で、荷重は全て、同じ、及び／又は、時間によって変わらないように設定される。
【００６７】
本発明の別の実施例では、生物学的モデルでの活性電位または「スパイク」活性に相応する出力信号は、活性電位の数及び／又は統計量が出力信号から求められるように後続処理される。
【００６８】
従って、実施例によって記述された神経細胞の活性、即ち、神経細胞のニューロン活性の程度乃至高さを推定することができる。
【００６９】
実施例では、本発明が、機能的核磁気共鳴トモグラフィ（ｆＭＲＩ）で使用されている。この実施例では、患者の脳の活性が、その脳の所定の活性状態で、活性状態がＢｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ（ＢＯＬＤ）信号によって記述され、この信号がｆＭＲＩによって測定され、ＢＯＬＤ信号の場合に、第１の入力信号として、本発明を用いて、脳の活性を示す出力信号が求められる。
【００７０】
本発明の実施例について、図示の実施例を用いて、以下詳細に説明する。
【００７１】
その際、
図１は、１実施例によるボクセル内の神経伝導路を略示した図、
図２は、神経細胞の構造を略示した図、
図３は、１実施例によるｆＭＲＩを実施する装置を示す図、
図４は、１実施例による人工ボクセルでの神経伝導路の略図、
図５は、１実施例によるボクセルでの神経伝導路のステップ略図、
図６は、１実施例による相互に結合された２つのボクセルでの神経伝導路の略図、
図７は、ボクセルの伝達特性を記述する、入力信号および出力信号を用いた１実施例によるボクセルの伝達特性の略図
である。
【００７２】
実施例：機能的核スピントモグラフィ
図３は、核スピントモグラフィ乃至核磁気共鳴トモグラフィ（略語：ｆＭＲＩ）、機能的核スピントモグラフ乃至磁気共鳴トモグラフ３００を示す。
【００７３】
［５］からは、公知の磁気共鳴トモグラフィの発展技術であるｆＭＲＩ技術の原理が公知である。
【００７４】
核スピントモグラフ３００は、閉じたチューブ３１０を有しており、チューブは、マグネット３２０内に、マグネットがチューブ３１０内に強い磁場を形成するように装着されている。
【００７５】
さらに、核スピントモグラフィ３００は、チューブ３１０内で移動可能な患者用ガントリ３３０を有しており、このガントリの上に、検査の際に患者が載置される。
【００７６】
更に、核スピントモグラフ３００は、制御装置３３１を有しており、この制御装置は、検査の際に患者用ガントリ３３０をコントロールおよび制御することができ、例えば、チューブ３２０内に患者用ガントリ３３０を装入するのを制御することができる。
【００７７】
別のコンポーネントとして、核スピントモグラフ３００は、ＢＯＬＤ（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）の測定用の測定装置３４０、測定されたＢＯＬＤ信号の評価用の評価装置３４１を有しており、この場合、高性能コンピュータ、ならびに、操作員用の操作乃至相互作用装置３４２、検査結果の表示用の表示装置３４３を有している。
【００７８】
核スピントモグラフ３００のコンポーネントは、例えば、データおよび信号が伝送可能な、信号またはデータ線路を介して、機能上相互に接続されている。
【００７９】
図３に示されている機能的核スピントモグラフ３００は、ｆＭＲＩ技術に基づいて、患者の脳領域内のニューラル活性を測定することができる。
【００８０】
そのために、測定装置３４０を用いて、各々の領域内のニューラル活性と関連した、患者の脳の個別領域内でＢＯＬＤ（Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ）が測定される。
【００８１】
そのようなｆＭＲＩ測定の結果は、所定時間に亘る、例えば、所定の知覚プロセスまたは検査中患者によって実行される運動過程の結果としての認識過程中の個別領域の活性の経過を示す。患者脳内の機能障害は、従って、測定されたｆＭＲＩ信号内にインプリシットに含まれている。
【００８２】
相応の解析方法を利用する、ないし、実行する評価装置３４１を使用して、ｆＭＲＩ測定、即ち、脳の個別領域内で測定されたＢＯＬＤ信号が解析され、そうすることによって、脳の活性が、脳内の検査領域内の相応の活性パターンの形式で求められ、それから、脳内の機能障害と、その原因を直接推定することができる。
【００８３】
評価装置３４０によって利用される解析方法には、能内のニューロン構造、および、その（伝達）特性に基づく脳のモデルが形成され、このモデルに基づいて、測定されたＢＯＬＤ信号が解析されて、評価される。
【００８４】
解析方法、ならびに、脳のモデル、脳内のニューロン構造およびその（伝達）特性について、以下、図１および４の図を用いて説明する。
【００８５】
検査の結果乃至推定は、表示装置３４３に表示され、評価装置３４１と接続された操作および相互作用装置３４２を用いて更に処理される。
【００８６】
評価方法の基礎
一般的に、使われている図では、信号線路内での信号の流れ方向、例えば、神経伝導路内での神経信号の流れ方向は、矢印方向によって示されている。
【００８７】
図１には、相互に結合された個別神経細胞を含む膨大な数の、脳内の複雑な神経細胞構造が示されている。
【００８８】
この基本構造１００、ボクセルでは、興奮性神経細胞１０１は、抑制性神経細胞１０２と第１の神経伝導路１０３と第２の神経伝導路１０４を介して結合されており、その際、抑制性神経細胞１０２の神経信号は、興奮性神経細胞１０１に伝達可能であり、興奮性神経細胞１０１の神経信号は、抑制性神経細胞１０２に伝達可能である。
【００８９】
更に、興奮性神経細胞１０１は、第３の神経伝導路１０５（樹状突起）を有しており、この第３の神経伝導路１０５（樹状突起）を用いて、別のボクセルの別の神経細胞の神経信号が、興奮性神経細胞１０１内に伝達可能である（シナプス後活性ｈ）。
【００９０】
興奮性神経細胞１０１は、第４の神経伝導路１０６（軸索）を有しており、この軸索を用いて、神経信号が、興奮性神経細胞１０１から第２の別のボクセルの第２の別の神経細胞に伝達可能である（スパイク活性Ｍ）。
【００９１】
更に、興奮性神経細胞１０１および抑制性神経細胞１０２は、各々自己刺激神経伝導路１０７および１０８を有している。
【００９２】
各神経伝導路１０３〜１０８には、荷重ｗ（ｗ１〜ｗ６；１１１〜１１６）が割当られており、各荷重は、各々の神経信号のシナプス伝達を示す。
【００９３】
図４には、図１に示されたボクセル１００の相応のボクセルモデル４００が示されている。
【００９４】
本質、構成、機能の点で相応の生物学的および所属のモデル化された各コンポーネントは、同じ参照記号を付けている。
【００９５】
このボクセルモデル４００では、第１の人工ニューロン１０１は、第１の信号伝導路１０３と第２の信号伝導路１０４とを介して、第２の人工ニューロン１０２と結合されており、第２の人工ニューロン１０２の信号は、第１の人工ニューロン１０１に伝達可能であり、第１の人工ニューロン１０１の信号は、第２の人工ニューロン１０１に伝達可能である。
【００９６】
更に、第１の人工ニューロン１０１は、第３の信号伝導路１０５を有しており、この第３の信号伝導路１０５を用いて、別のボクセルの別の人工ニューロンの信号が、第１の人工ニューロン１０１に伝達可能である（シナプス後活性ｈ）。
【００９７】
人工ニューロン１０１は、第４の信号伝導路１０６を有しており、この第４の信号伝導路１０６を用いて、信号が第１の人工ニューロン１０１から第２の別のボクセルの第２の別の人工ニューロンに伝達可能である（スパイク活性Ｍ）。
【００９８】
各信号伝導路１０３〜１０６には、荷重ｗ（ｗ１〜ｗ４；１１１〜１１４）が割当られており、各荷重は、各信号の基礎となっている神経信号のシナプス伝達を示す。
【００９９】
図５には、生物学的基本構造体１００並びにボクセルモデル４００で経過乃至実行されるステップ５０１〜５０４のリストアップ５００が示されている。
【０１００】
第１のステップ５０１では、外部シナプス活性に相応する興奮性神経細胞を記述するニューロンが供給される。
【０１０１】
第２のステップ５０２では、第１のニューロンの第２の入力側に、内部シナプス活性に相応していて、第２の入力側を介して第１のニューロンと結合された、抑制性神経細胞を記述する第２のニューロンから生成された第２の入力信号が供給される。
【０１０２】
第３のステップ５０３では、第１のニューロンの出力側から、活動電位活性に相応する出力信号が出力される。
【０１０３】
第４のステップ５０４では、第１の入力信号および第２の入力信号および出力信号を用いて、生物学的基本構造体１００乃至ボクセル乃至モデル４００の伝達特性が求められる。
【０１０４】
図６には、２つのボクセル乃至ボクセルモデル１２０および１２１の結合が、ボクセル１００乃至ボクセルモデル４００により図示されている。
【０１０５】
本質、構成、機能の点で、相応の生物学的および所属のモデル化された構成要素は、各々図１および図４の参照記号と同じ参照記号を有している。
【０１０６】
２つのボクセル乃至ボクセルモデル１２０および１２１は、第１のボクセル１２０の興奮性神経細胞１０１が、伝導路１０６および１１０を介して、第２のボクセル１２１の興奮性神経細胞１２２とも、第２のボクセル１２１の抑制性神経細胞１２３とも結合されるように相互に結合されている。
【０１０７】
付加的な伝導路１０７〜１０９並びに付加的な荷重１１５〜１１８が図示されている。この伝導路乃至荷重には、上述のことが相応に該当する。
【０１０８】
前述のボクセル乃至ボクセルモデルに関して（図１，４および６）、ＢＯＬＤ信号の解析用の解析方法の範囲内で使われる機能的な関連について、以下説明する：
後述の機能的な関連には、限定的ではない以下の仮定が基礎となっている。この仮定は、本発明を限定するものではなく、複雑な関連を簡単にするために使うにすぎない。本発明の基本的な観点は、それによって損なわれるものではない。
【０１０９】
仮定１：神経細胞構造体に、［３］および［４］に記載されているようなミーンフィールドモデルによる関連が基礎となる。
【０１１０】
仮定２：全ての荷重は、同じ大きさ、および、時間により変化しないものと仮定される。興奮性ニューロンの出力信号が伝達される伝導路の荷重は正である。抑制性ニューロンの出力信号が伝達される伝導路の荷重は負である。
【０１１１】
以下の参照記号が使われる：
ｅ：興奮性ニューロン
ｉ：抑制性ニューロン
１，２：ボクセル１またはボクセル２のインデックス
ａ，ｂ：ポピュレーション１またはポピュレーション２のインデックス
ｗ：荷重
ｈ：シナプス活性、動的な場合
Ｈ：シナプス活性、静的な場合
Ｍ乃至ｍ：スパイク活性（Ｍ：静的な場合；ｍ：動的な場合）
τ：時定数
ｄ／ｄｔ：時間変数ｔの導関数
ｇ（．）：写像規則
以下の方程式が成り立つ：
【０１１２】
【数２】
【数３】
測定されたＢＯＬＤ信号の解析：
選択された脳領域の機能障害の検査時に、この領域で測定されたＢＯＬＤ信号は、上述のモデルにシナプス活性（Ｈｅ２＋Ｈｉ２）として供給される。
【０１１５】
モデルを使用して、このモデルから、相応の活性Ｍｅ２が、選択された脳領域内のニューラル活性の直接量として求められる。
【０１１６】
図７には、例として、第１および第２の脳領域用の、そのようなＢＯＬＤ信号の第１および第２の時間経過特性７０１および７０２が、それから求められた第１および第２のスパイク活性乃至相応の第１および第２のニューラル活性パターンの第１および第２の所属の時間経過特性７１１および７１２と共に示されている。
【０１１７】
スパイク活性Ｍｅ２の信号経過特性、乃至、この信号経過特性によって形成された、脳領域内の活性パターンが、この領域内の機能障害として検出可能である。
【０１１８】
この明細書で、以下の刊行物が引用されている：
［１］ Ｚｅｌｌ，Ａ．，”Ｓｉｍｕｌａｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｎｅｔｚｅ”，Ｓ．３５〜５１，Ｓ．５５〜８６，Ａｄｄｉｓｏｎ−Ｗｅｓｌｅｙ Ｌｏｎｇｍａｎ Ｖｅｒｌａｇ ＧｍｂＨ，１９９４，３．Ｕｎｖｅｒａｅｎｄｅｒｔｅｒ Ｎａｃｈｄｒｕｃｋ，Ｒ．Ｏｌｄｅｎｂｏｕｒｇ Ｖｅｒｌａｇ，ＩＳＢＮ ３−４８６−２４３５０−０，２０００
［２］ Ｚｅｌｌ，Ａ．，”Ｓｉｍｕｌａｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｎｅｔｚｅ”，Ｓ．８７〜１１４，Ａｄｄｉｓｏｎ−Ｗｅｓｌｅｙ Ｌｏｎｇｍａｎ Ｖｅｒｌａｇ ＧｍｂＨ，１９９４，３．Ｕｎｖｅｒａｅｎｄｅｒｔｅｒ Ｎａｃｈｄｒｕｃｋ，Ｒ．Ｏｌｄｅｎｂｏｕｒｇ Ｖｅｒｌａｇ，ＩＳＢＮ ３−４８６−２４３５０−０，２０００
［３］ Ｊ．Ｊ．Ｂｉｎｎｅｙ，Ｎ．Ｊ．Ｄｏｗｒｉｃｋ，Ａ．Ｊ．Ｆｉｓｃｈｅｒ，Ｍ．Ｅ．Ｊ．Ｎｅｗｍａｎ，”Ｔｈｅ Ｔｈｅｏｒｙ ｏｆ Ｃｒｉｔｉｃａｌ Ｐｈｅｎｏｍｅｎａ”，Ｋａｐ．６：Ｍｅａｎ−Ｆｉｅｌｄ Ｔｈｅｏｒｙ， Ｃｌａｒｅｎｄｏｎ Ｐｒｅｓｓ Ｏｘｆｏｒｄ １９９２
［４］ Ｃ．Ｋｏｃｈ，Ｉ．Ｓｅｇｅｖ（Ｈｒｓｇ）， ”Ｍｅｔｈｏｄｓ ｏｆ Ｎｅｕｒａｌ Ｍｏｄｅｌｉｎｇ：Ｆｒｏｍ Ｉｏｎｓ ｔｏ Ｎｅｔｗｏｒｋｓ”， Ｋａｐ １３： Ｄ．Ｈａｎｓｅｌ ａｎｄ Ｈ． Ｓｏｍｐｏｌｉｎｓｋｙ： ”Ｍｏｄｅｌｉｎｇ Ｆｅａｔｕｒｅ Ｓｅｌｅｃｔｉｖｉｔｙ ｉｎ Ｌｏｃａｌ Ｃｉｒｃｕｉｔｓ”，ＭＩＴ Ｐｒｅｓｓ， Ｃａｍｂｒｉｄｇｅ， １９９８
［５］ Ａ．Ｗ．Ｔｏｇａ ａｎｄ Ｊ．Ｃ．Ｍａｚｉｏｔｔａ （Ｈｒｓｇ）， ”Ｂｒａｉｎ Ｍａｐｐｉｎｇ： Ｔｈｅ Ｍｅｔｈｏｄｓ”， Ｋａｐ ９： Ｍ．Ｓ． Ｃｏｈｅｎ： ”Ｒａｐｉｄ ＭＲＩ ａｎｄ Ｆｕｎｃｔｉｏｎａｌ Ａｐｐｌｉｃａｔｉｏｎｓ”， Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ １９９６
［６］ Ｂｅｓｃｈｒｅｉｂｕｎｇ ｆｕｅｒ ｅｉｎｅ Ｓｏｆｔｗａｒｅ ”ｆｍｒｉ．ｐｒｏ” ｚｕｒ ｑｕａｎｔｉｔａｔｉｖｅｎ ｆＭＲＩ−Ａｎａｌｙｓｅ， ｅｒｈａｅｌｔｌｉｃｈ ａｍ ０７．０９．２００１， ｕｎｔｅｒ
ｈｔｔｐ：／／ｗｗｗ／ｍｅｄ．ｕｎｉ−ｍｕｅｎｃｈｅｎ．ｄｅ／ｒａｄｉｎ／ｈｔｍｌ／
ａｒｂｅｉｔｓｇｒｕｐｐｅｎ／ｆｍｒｉ／ｃｃｆｍｒｉ．ｈｔｍｌ
［７］ Ｂｅｓｃｈｒｅｉｂｕｎｇ ｆＭＲＩ−Ｇｅｒａｅｔ，ｅｒｈａｅｌｔｌｉｃｈ ａｍ ０７．０９．２００１， ｕｎｔｅｒ ｈｔｔｐ：／／ｗｗｗ．ｕｎｉｐｕｂｌｉｃ．ｕｎｉｚｈ．ｃｈ／ｃａｍｐｕｓ／ｕｎｉ−ｎｅｗｓ／２００１／０１４７／ｆｍｒｉ．ｈｔｍｌ
【図面の簡単な説明】
【０１１９】
【図１】１実施例によるボクセル内の神経伝導路を略示した図
【図２】神経細胞の構造を略示した図
【図３】１実施例によるｆＭＲＩを実施する装置を示す図
【図４】１実施例による人工ボクセルでの神経伝導路の略図
【図５】１実施例によるボクセルでの神経伝導路のステップ略図
【図６】１実施例による相互に結合された２つのボクセルでの神経伝導路の略図
【図７】ボクセルの伝達特性を記述する、入力信号および出力信号を用いた１実施例によるボクセルの伝達特性の略図
Claims (14)
- 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置であって、前記神経細胞によって、外部および内部シナプス活性を活動電位活性に変換する装置において、
第１の人工ニューロンを有しており、該第１の人工ニューロンは、興奮性神経細胞を記述し、該興奮性神経細胞は、外部シナプス活性に相応する第１の入力信号の供給用の第１の入力側と、内部シナプス活性に相応する第２の入力信号の供給用の第２の入力側と、活動電位活性に相応する出力信号の送出用の出力側とを有しており、
前記第２の入力側を介して前記第１の人工ニューロンと結合された前記第２の人工ニューロンを有しており、該第２の人工ニューロンは、抑制性神経細胞を記述し、該第２の人工ニューロンは、前記第１の人工ニューロンの第２の入力信号を形成する
ことを特徴とする装置。 - 別の興奮性神経細胞を記述して、第１の入力側を介して第１の人工ニューロンと接続されている別の人工ニューロンの第１の入力信号が形成される請求項１記載の装置。
- 第１の人工ニューロンは、自己刺激信号によって自己刺激するための自己フィードバックを有しており、該自己フィードバックによって、前記第１の人工ニューロンの別の出力側は、当該第１の人工ニューロンの第３の入力側と結合されている請求項１又は２記載の装置。
- 第１の人工ニューロンによって記述される興奮性神経細胞は、多数の興奮性神経細胞を示し、及び／又は、第２の人工ニューロンによって記述される抑制性神経細胞は、多数の抑制性神経細胞を示す請求項１から３迄の何れか１記載の装置。
- 多数の興奮性神経細胞および多数の抑制性神経細胞は、所定の脳領域に割当られている請求項４記載の装置。
- 各入力信号及び／又は各出力信号は、荷重を付けられており、該荷重付けの際、シナプス伝達の各々に相応している請求項１から５迄の何れか１記載の装置。
- 荷重は全て同じである請求項６記載の装置。
- 荷重は全て時間によって変わらない請求項６又は７記載の装置。
- 出力信号は、活性電位の数及び／又は統計量が求められるように更に処理される請求項１から８迄の何れか１記載の装置。
- 伝達特性には、ミーンフィールドモデル（Ｍｅａｎ−Ｆｉｅｌｄ Ｍｏｄｅｌｌ）が基礎となっている請求項１から９迄の何れか１記載の装置。
- 第１の入力信号は、Ｂｌｏｏｄ Ｏｘｙｇｅｎａｔｉｏｎ Ｌｅｖｅｌ Ｄｅｐｅｎｄｅｎｔ−Ｓｉｇｎａｌ信号（ＢＯＬＤ−信号）である請求項１から１０迄の何れか１記載の装置。
- 脳の活性状態がＢＯＬＤ信号によって記述されて、前記ＢＯＬＤ信号用に第１の入力信号として、脳の活性を示す出力信号が求められるようにして、所定の活性状態用に脳活性の検出のために使用する請求項１記載の装置。
- 機能的核スピントモグラフィ（ｆＭＲＩ）で、第１の入力信号として使用されて、前記第１の入力信号としてのＢＯＬＤ信号用に、脳活性を示す出力信号が求められるように用いる請求項１１又は１２記載の装置。
- 興奮性神経細胞の伝達特性によって、外部シナプス活性及び内部シナプス活性を活動電位活性に変換する際に、当該興奮性神経細胞の伝達特性を求めるための方法において、
人工ニューロンを用いて以下の各ステップ：
興奮性神経細胞を記述する第１の人工ニューロンに、第１の入力側で、外部シナプス活性に相応する第１の入力信号を供給し、
前記第１の人工ニューロンの第２の入力側に、内部シナプス活性に相応して、第２の入力側を介して前記第１の人工ニューロンと結合された、抑制性神経細胞を記述する第２の人工ニューロンを形成する第２の入力信号を供給し、
前記第１の人工ニューロンの出力側から、活動電位活性に相応する出力信号を取り出し、
前記第１の入力信号および前記第２の入力信号および出力信号を用いて、伝達特性を求める
ことを特徴とする方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE10144920 | 2001-09-12 | ||
| PCT/DE2002/003381 WO2003023642A2 (de) | 2001-09-12 | 2002-09-11 | Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005502147A true JP2005502147A (ja) | 2005-01-20 |
Family
ID=7698770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003527624A Pending JP2005502147A (ja) | 2001-09-12 | 2002-09-11 | 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20040234508A1 (ja) |
| EP (1) | EP1425679A2 (ja) |
| JP (1) | JP2005502147A (ja) |
| WO (1) | WO2003023642A2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014522283A (ja) * | 2011-06-09 | 2014-09-04 | ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サイエンシズ | エージェントベース脳モデル及び関連方法 |
| JP2016146132A (ja) * | 2015-02-09 | 2016-08-12 | 学校法人日本大学 | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10342274B4 (de) * | 2003-09-12 | 2007-11-15 | Siemens Ag | Identifizieren pharmazeutischer Targets |
| DE10344345B3 (de) | 2003-09-24 | 2005-05-12 | Siemens Ag | Verfahren zur Kommunikation in einem Adhoc-Funkkommunikationssystem |
| CN108711351A (zh) * | 2018-06-27 | 2018-10-26 | 兰州交通大学 | 基于fpga的电子突触实验平台 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4906940A (en) * | 1987-08-24 | 1990-03-06 | Science Applications International Corporation | Process and apparatus for the automatic detection and extraction of features in images and displays |
-
2002
- 2002-09-11 EP EP02774330A patent/EP1425679A2/de not_active Withdrawn
- 2002-09-11 WO PCT/DE2002/003381 patent/WO2003023642A2/de not_active Application Discontinuation
- 2002-09-11 JP JP2003527624A patent/JP2005502147A/ja active Pending
- 2002-09-11 US US10/489,535 patent/US20040234508A1/en not_active Abandoned
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014522283A (ja) * | 2011-06-09 | 2014-09-04 | ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サイエンシズ | エージェントベース脳モデル及び関連方法 |
| JP2016146132A (ja) * | 2015-02-09 | 2016-08-12 | 学校法人日本大学 | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040234508A1 (en) | 2004-11-25 |
| EP1425679A2 (de) | 2004-06-09 |
| WO2003023642A2 (de) | 2003-03-20 |
| WO2003023642A3 (de) | 2003-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shen et al. | A macaque connectome for large-scale network simulations in TheVirtualBrain | |
| Behrens et al. | MR diffusion tractography | |
| Palombo et al. | A generative model of realistic brain cells with application to numerical simulation of the diffusion-weighted MR signal | |
| DSouza et al. | Mutual connectivity analysis of resting-state functional MRI data with local models | |
| Næss et al. | Biophysically detailed forward modeling of the neural origin of EEG and MEG signals | |
| Deco et al. | The most relevant human brain regions for functional connectivity: Evidence for a dynamical workspace of binding nodes from whole-brain computational modelling | |
| CN110969614B (zh) | 基于三维卷积神经网络的脑龄预测方法及系统 | |
| CN114052668B (zh) | 一种基于脑磁图数据的脑功能分析方法 | |
| CN111539509A (zh) | 一种虚拟数字脑构建方法与系统及智能机器人控制系统 | |
| EP3575813B1 (en) | Quantitative mapping of a magnetic resonance imaging parameter by data-driven signal-model learning | |
| Weise et al. | Directional sensitivity of cortical neurons towards TMS-induced electric fields | |
| JP2005502147A (ja) | 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 | |
| CN115169067A (zh) | 脑网络模型构建方法、装置、电子设备及介质 | |
| CN107582030A (zh) | 基于bp神经网络的人体表面皮肤温度场测量方法 | |
| CN117100246A (zh) | 基于动态生物电信号的健康状态分析方法和相关产品 | |
| Rosen et al. | Simulating human sleep spindle MEG and EEG from ion channel and circuit level dynamics | |
| US20050009003A1 (en) | Method and arrangement and computer programme with programme code means for the analysis of neuronal activities in neuronal areas | |
| Abeyasinghe et al. | A comparison of diffusion tractography techniques in simulating the generalized Ising model to predict the intrinsic activity of the brain | |
| Bakhtiari et al. | Subspace-based identification algorithm for characterizing causal networks in resting brain | |
| US7398120B2 (en) | Method and arrangement and computer programme with programme code means and computer programme products for the analysis of neuronal activities in neuronal areas | |
| Allgaier et al. | Reverse engineering the brain with Eureqa | |
| Odom et al. | Estimating three synaptic conductances in a stochastic neural model | |
| Stefanou et al. | Creating and constraining compartmental models of neurons using experimental data | |
| Magnusson | Evaluating Approximate Methods for Computing Extracellular Potentials from Neuronal Networks | |
| Heikkinen et al. | Feedback to distal dendrites links fMRI signals to neural receptive fields in a spiking network model of the visual cortex |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050629 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080201 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080626 |