预测神经网络模型的癫痫

在构成我们大脑的神经元的惊人复杂网络中，电流在传达的电流中显示出复杂的动力学。为了更好地了解这些网络的行为方式，研究人员过去开发了旨在模仿其动态的模型。在某些极少数情况下，他们的结果表明可能会发生“临界点”，而系统突然从一个状态过渡到另一个状态：现在通常认为与癫痫发作有关的事件。在一项发表的新研究中EPJ b，由伊朗德黑兰技术大学Fahimeh Nazarimehr领导的研究人员展示了如何通过考虑神经元网络中的分支机构更好地预测这些危险事件。

该团队的发现可以使研究人员对突然发生的发作有更好的了解，包括癫痫和哮喘发作，并使他们能够为患有患者的患者开发更好的早期警告系统。为此，研究考虑了神经元活性的动力学如何受其形成的网络中分支的影响。以前的模型表明，这些动力学通常会在这些点上放慢速度 - 到目前为止，他们无法预测该过程在更大，更复杂的神经元网络中的展开方式。

Nazarimehr的团队使用更新的模型对这些技术进行了改进，在此毗邻的程度神经元可以手动调整彼此的动力。此外，他们考虑了复杂神经元网络的动力学与孤立细胞的动力学相比。这些技术共同使研究人员能够更好地预测分支机构的发生。随后，如何网络动态受到影响。他们的结果代表了我们对大脑复杂结构的理解以及如何动态的理解电流它包含可以与癫痫的实例直接相关。

---

---