大脑网络系统

大家好，我是陈锐。

今天分享内容来源网络整理，内容仅供参考学习分享。

提笔写文真是一件费脑子的事情，相信最近正在赶毕业论文的你们深有体会。我倒不是写文的困难者，只是每天得记录和整理一些文章，需要动笔。不过在今年我更多的是通过我的视频号在更新了一些教程视频，算是承诺年初的flag。同时今年真是一个非常“难过”的一年，足不出户真是憋的很。不能到各位的学校中逛逛真是心塞的很。

好了，废话不说了。今天给大家更新一下，最近看到的一些新知识点—脑网络。

以下内容是网址https://human-memory.net/brain-network-system/的部分整理，翻译可能有误，请担待些，更建议看原文。

大脑是一个很复杂的器官，它执行着多种功能。为了使大脑能够发挥最佳功能，它需要通过神经传导将指令分发下去，其特点是支持认知和各种行为的结构连接的异构模式。

大脑是由相互连接的细胞组成的复杂系统。Johnson 和 Wu 对人类大脑进行了粗略估计—10^12个神经元和 10^15 个突触。说明神经细胞真的是非常多啊，这一部分内容可以去B站学习或者维基百科上搜索会了解的更多

大脑网络系统由神经元或神经细胞组成，它们的主要目的是进行传输和处理从我们的感官接收到的信息。神经细胞在大脑中排列在一起，形成神经网络。它们通过以下方式传递电脉冲：

•树突——它们从相邻神经元的突触（终端按钮）接收脉冲。将冲动传递到神经细胞的细胞核或体细胞。

•轴突——它是树突中较长的分支，将电脉冲从体细胞传送到突触。

•突触——它是大脑中的一种结构，允许神经元将电/化学信号传递给另一个神经元或效应细胞。

在人脑中，有更复杂的神经元网络，包括大脑网络系统。这些神经元需要相互交互以创建大脑网络系统。

大脑中不同神经元之间的相互作用是根据我们的所见、所闻、所想和所动来交流和处理信息的。大脑网络系统是身体所有活动的“终端”。

作为现代计算机的大脑网络系统

大脑的功能与现代计算机相同。有输入、输出、存储、处理和程序。

•输入——与引起行动的刺激、对象或数据有关。在计算机中，输入来自输入设备，例如鼠标、键盘、照相机或扫描仪。它们的格式各不相同，例如文本、图像和其它结构化数据。在人脑中，输入以外部和内部刺激的形式出现。感觉细胞主要参与视觉、触觉、听觉和味觉等输入（ps：这些也是现在脑科学研究的更多的刺激感觉器官了）。运动细胞和大脑中的一些细胞也可以作为输入。

•输出——处理输入引起的动作或信息有关。如果将其比作机器，则输出可以是打印某些东西或投影图像的形式。在人脑中，输出与使您控制内部和外部肌肉的活动有关。它还包括感官知觉、决策、情绪、解决问题、管理身体内部功能（如心率、血压和体温）以及社会行为。

•存储——存储输入和输出信息和程序的位置。在计算机中，它有两种存储类型—短期存储和长期存储。短期存储采用运存的形式，它存储执行即时任务所需的有限信息量。长期存储采用硬盘驱动器和U盘等形式。因为它们具有更大的存储容量。人脑中的存储与记忆系统有关。短期存储称为工作记忆，它利用大脑的记忆力和注意力来执行即时任务，例如记下老师在课堂上所说的话。另一方面，长期记忆能够无限期地存储无限量的信息。它与大脑回忆特定事件的能力有关，经验和其它事实信息。(3 )

•处理器——执行指令的中央处理电路。如果要将人脑比作计算机，处理器就是中央处理单元。对于人类来说，它与中枢神经系统有关。它由人的大脑、脊髓和内部电路组成。

•程序/代码——涉及一组指令，其中包含需要对输入执行的操作将其转换为输出，从而引入一组需要执行的功能。在人脑中，代码是通过大脑中的神经元执行的，神经元相互连接并传递信号以处理所需的动作。整个过程由中枢神经系统控制，信息交换通过关键的神经系统结构（突触）进行。人脑通过化学/电信号模式运行其代码，并从一个神经元传递到另一个神经元，从而形成一个神经网络。

分析大脑网络系统

脑网络的观察

解剖和生理学——可以通过两种方式进行功能和结构网络。

大脑结构连通性

它涉及大脑中连接一组神经元的解剖学连接，特别是皮层和皮层下区域。结构连接往往在短时间内保持稳定——从几秒到几分钟不等。

依据大脑可塑性的变化，它也可以在更长的时间范围内保持，这可能是几个小时到几天。大脑结构连接的测量是一种无向连接。

大脑的功能连接

通常是从时间序列中进行观察，能显示出不同类型的神经元之间的统计依赖模式。

有多种技术可用于观察时间序列数据，例如 EEG 脑电图、MEG 脑磁图、fNIRS近红外脑成像和fMRI 功能磁共振成像等，当然还包括其它的入侵性的技术。

可以参考文章《一文了解研究人脑的脑科学技术手段》

大脑的功能连接性是时间依赖性的，并且在数十或数百毫秒的跨度内发生变化。感觉刺激和任务环境调节大脑的功能连接。

大脑的有效连接

它是被用作一种分析大脑网络系统的方法之一。这种方法能捕获了不同神经元之间的网络定向因果效应。

有效的连通性代表生成模型和机械模型，导致观察到的数据源自各种可能的模型。研究大脑网络系统的有效连接是相当新的。大多数大脑网络研究是使用结构和功能连接进行的。

当然，对于功能性连接的方法有很多种

1、相关系数，包括Pearson和Spearman相关系数；

2、谱相干(spectral coherence)；

3、相锁值(phase-locking value)；

4、部分有向相干(Partial directed coherence,PDC)；

5、同步似然指数(Synchronization likelihood)；

6、Granger因果分析(Granger causality)；

7、互信息(mutual information,MI)；

8、有向传递函数(Directed transfer function,DTF)等

不同类型的脑网络系统

1.默认模式

 - 当人清醒和休息时，它处于活动状态。如果该人专注于内部导向的任务，则默认模式大脑网络系统被激活，例如：

1.梦想着未来

1.白日梦

1.回忆

1.心智理论

2.背侧注意力——涉及自愿给予注意以及对意外情况的重新定位。

3.腹侧注意力——与人对突然发生的行为相关刺激的反应有关。

4.额顶叶——大脑中调节认知控制的系统。

5.显着性——它追踪内部大脑事件和外部输入的显着性。

6.横向视觉——它在复杂的情绪刺激中起着重要作用。

参考

1.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5485642/

2.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4854276/

3.https://www.annualreviews.org/doi/abs/10.1146/annurev-neuro-062111-150525

4.https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1004029

5.https://www.omicsonline.org/scholarly/neural-network-journals-articles-ppts-list.php

本文仅供学习参考，不作其它用途，有任何疑问及侵权，扫描以下公众号二维码添加交流：

更多学习内容，仅在知识星球发布：