「コネクトーム」の版間の差分

コネクトーム (ソースを閲覧)

2016年6月20日 (月) 11:19時点における版

5,075 バイト除去、 2016年6月20日 (月)

細

→‎コネクトームの利用

Masahitoyamagata

ビューロクラット、管理者

246

回編集

@@ 88行目: / 88行目: @@
 ==コネクトームの利用==
-<br />
+神経科学のオープンデータ。神経科学全体。
-コネクトームを用いてネットワークとして研究することができるネットワークの科学とグラフ理論 。 マイクロスケールコネクトームの場合には、このネットワーク（またはノードのグラフが ）ニューロンであり、エッジは、これらのニューロン間のシナプスに相当します。 グラフのエッジがそれらの領域を相互接続する軸索から誘導されながら、マクロスケールのコネクトームの場合、ノードは、のROI（関心領域）に対応しています。 彼らは実際に脳（または、広義には、全体の神経系）内の接続を説明する数学的な意味でのグラフであるとしてこのようconnectomesは時々 、 脳のグラフと呼ばれています。
+認知症、うつ病などの精神・神経疾患の理解。特に、これらの疾患の客観的な診断への利用が想定される。
-研究者の一群（Iturria-メディナら 、2008）[30]使用してコネクトームデータセットを構築した拡散テンソル画像 （DTI）[31] [32] 70-90皮質と基礎の間で平均接続確率の導出に続いての脳の灰白質領域。 すべてのネットワークは、小さな世界の属性と「広いスケール」度分布を有することが見出されました。 これらのネットワークでの間隔度の中心性の分析は、高中心性を実証した楔前部 、 島 、 頭頂および前頭皮質。 別のグループ（功ら2008）[33]は 78皮質領域間の解剖学的接続のネットワークをマッピングするためにDTIを適用しております。 この研究はまた楔前部と上前頭回を含む、ヒトの脳のいくつかのハブ領域を同定しました。
-ハグマンら （2007）[34]は 500と4000の間に約1000個のROIと約のために取得した接続行列の定量分析をナンバリング利息（ROIを）の均一に分布し、同じサイズの領域の間に測定された繊維の密度からの接続行列を構築2人の被験者から50,000繊維経路は指数関数（1スケール）次数分布だけでなく、堅牢なスモールワールドネットワークの属性を明らかにしました。 データセットは、拡散スペクトルイメージング（DSI）（Wedeen、2005）から誘導された[35]拡散強調イメージングの変異体[36] [37]線維トラクトを交配することによって引き起こされる拡散方向のイントラボクセル不均一に敏感ですしたがって、他の拡散イメージング手法（Wedeen、2008）よりも軸索の軌跡をより正確にマッピングすることができます。[38]全頭DSIデータセットの組み合わせは、ハグマンらによって開発されたアプローチに従って取得し、 処理することができる。（2007）[34] ;グラフ分析ツールを用いて動物の追跡研究（Sporns、2007 Sporns、2006）のために最初に考案[39] [40]人間の皮質接続のネットワーク構造の詳細な研究を許可（ハグマンら、2008）。[41]人間の脳のネットワークは、コア分解、モジュール性分析、ハブの分類と中心性を含むネットワーク解析法の広範な配列を使用して特徴付けられました。 ハグマンら 。 後部内側および頭頂葉皮質に主に位置し、高度かつ相互に相互接続された脳領域の構造コアの存在の証拠を提示しました。 コアはすべて、両方の大脳半球に位置する後部帯状皮質、楔前部、楔状部、傍小葉、帯状の地峡、上側頭溝の銀行、劣ると優れた頭頂皮質の部分を含みます。
+これまでの脳科学研究でも、これらの疾患の病態に迫る研究成果が出され
-connectomicsのサブフィールドは、複数の人の脳のグラフの比較を扱っています。 それは、次のようなコンセンサスグラフ構築することが可能であるブダペストリファレンスコネクトームを特定の方法でいくつかのconnectomesを「平均化」することによって。 一方、一部の研究者は、個々のconnectomesの違いの原因を調査しました。 それは、女性のマクロスケールconnectomesは男性よりも有意に多くのエッジが含まれていることが見出されており、女性のconnectomesにおけるエッジの大部分は、2つの半球の間で実行する。[42] [43]また、概してconnectomes展示スモールワールド年齢とともに減少し、全体的な皮質の接続を持つ文字を、。 [44]として2015年の継続的な目的のHCP寿命パイロットプロジェクトが 6の年齢層（4-6、8-9、14-間のコネクトームの違いを識別することです15、25-35、45-55、65-75）。 Connectogramsはローブが主催する円の周りの皮質領域を配置することによって、完全な脳データを視覚化するために使用されている。 [45] [46]内側の円は、カラースケールで皮質のメトリックを示しています。 DTIデータにおける白質のファイバ接続は、これらの皮質領域の間に引かれたとによって重み付けされる異方性比率との接続強度。 このようなグラフは、さらに有名な外傷性脳損傷患者にダメージを分析するために使用されているフィニアスゲージ 。[47]統計グラフ理論は、これらの脳のグラフを解析するための高度なパターン認識や推論ツールを開発している新興分野です（ゴールデンら、2009）。
+神経経済学、法学、教育学。
+https://www.amazon.com/Future-Mind-Scientific-Understand-Enhance/dp/038553082X
 ==参考文献==
 <references/>