Neurowissenschaftliche Gesellschaft trick Neurowissenschaftliche Gesellschaft
Neurowissenschaftliche Gesellschaft Neurowissenschaftliche Gesellschaft Neurowissenschaftliche Gesellschaft
trick

Zusammenfassung 3

Statistische Verfahren zur Analyse hochdimensionaler neuronaler Messreihen in Bezug auf neurokognitive Vorgänge

Daniel Durstewitz und Emili Balaguer-Ballester

Zusammenfassung
Die jüngsten Fortschritte bei multiplen Einzelzellmessungen und Verfahren der optischen Bildgebung erlauben uns inzwischen, die Aktivität von bis zu Hunderten von Neuronen gleichzeitig zu registrieren. Das Ergebnis solcher Messungen sind hochdimensionale, multivariate Zeitreihen, die noch nie da gewesene Möglichkeiten bieten, Einblicke in Details raum-zeitlicher neuronaler Dynamiken zu erhalten, die kognitiven Prozessen zugrunde liegen. Beispielsweise können sie den Weg bahnen für reliable Einzel-Trial- Analysen, für die Erforschung der Rolle Korrelationen höherer Ordnung bei der neuronalen Codierung, der Mechanismen, die der neuronalen Ensemble-Formierung zugrunde liegen, oder allgemeiner für Übergänge zwischen Attraktorzuständen, die mit kognitiven Prozessen einhergehen. Um dieses Informationspotenzial multivariater neuronaler Zeitreihen auszuschöpfen, werden oftmals fortgeschrittene statistische Methoden benötigt, die über das üblicherweise verwendete Repertoire hinausgehen. In diesem Artikel diskutieren wir anhand spezifischer experimenteller Beispiele einige die- ser Methoden zur Visualisierung von Struktur in hochdimensionalen Datensätzen, zur statistischen Inferenz über solche Strukturen, zur Einzel-Trial-Analyse von neuronalen Zeitreihen und zur Rekonstruktion dynamischer Eigenschaften neuronaler Systeme, die sich nur durch simultane Ableitung vieler Zellen gewinnen lassen.

Keywords: neural dynamics; statistics; machine learning; prefrontal cortex; multiple single-unit recordings

bottombarleft bottombarsize bottombarright