発火確率モデルを用いた無入力条件下での培養神経細胞ネットワークの結合強度解析

カテゴリ: 研究会(論文単位)

論文No: MBE10038

グループ名: 【C】電子・情報・システム部門 医用・生体工学研究会

発行日: 2010/03/23

タイトル(英語): Analysis of synaptic connectivity of neural network in vitro with no input using firing probabilistic model

著者名: 芳賀 達也(東京大学),深山 理(東京大学),鈴木 隆文(東京大学),満渕 邦彦(東京大学)

著者名(英語): Haga Tatsuya(The University of Tokyo),Fukayama Osamu(The University of Tokyo),Suzuki Takafumi(The University of Tokyo),Mabuchi Kunihiko(The University of Tokyo)

キーワード: 培養神経細胞ネットワーク|機能的結合強度|確率モデル|機械学習|in vitro|cultured neural network|probabilistic model|functional connectivity|machine learning

要約(日本語): 脳の記憶・学習にはシナプス結合の可塑的変化が関連しているといわれている。その変化をとらえるための統計的解析手法として、計測された神経発火の情報からシナプス結合強度を発火確率モデルのパラメータとして各時刻推定する手法を提案する。この手法は発火確率モデルについて尤度関数を定義し、それを上昇させるようにパラメータを更新することにより結合強度の変化に追従可能な推定を可能とする。また、培養した神経細胞ネットワークから得られたデータを本手法により解析した結果を示す。

要約(英語): Synaptic plasticity causes memory and learning in our brain. We propose a statistical method to extract and visualize synaptic connectivity as parameters of the firing probabilistic model according to recorded neural firing . The estimated parameters showed connections between cells in a cultured neural network.

原稿種別: 日本語

PDFファイルサイズ: 1,515 Kバイト