Médecine

Paramédical

Autres domaines


S'abonner

Integrating neuroscientific data across spatiotemporal scales - 01/01/04

Doi : 10.1016/j.crvi.2004.10.015 
Barry Horwitz
Brain Imaging and Modeling Section, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bldg. 10, Rm. 6C420 MSC 1591, Bethesda, MD 20892, USA 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

pages 10
Iconographies 2
Vidéos 0
Autres 0

Abstract

A major challenge confronting neuroscientists is associated with the multiple spatial and temporal scales of investigation of neural structure and function. I shall discuss the use of computational neural modeling as one method to bridge some of the different spatial and temporal levels. This approach will be illustrated using large-scale, neurobiologically realistic network models of auditory and visual pattern recognition that relate neuronal dynamics to fMRI data. It will be demonstrated that the models are capable of exhibiting the salient features of both electrophysiological neuronal activities and fMRI values that are in agreement with empirically observed data. To cite this article: B. Horwitz, C. R. Biologies 328 (2005).

Le texte complet de cet article est disponible en PDF.

Résumé

Un défi majeur à relever en neurosciences est celui des différences de résolution spatiale et temporelle existant entre les différentes techniques dʼinvestigation du fonctionnement neuronal. Je discuterai ici lʼintérêt de la modélisation neuronale computationnelle, méthode visant à pallier certaines de ces différences. Cette approche sera illustrée par des modèles de réseaux de neurones à large échelle, neurobiologiquement réalistes. Ces réseaux modélisent les patrons de reconnaissance auditive et visuelle dans le cerveau humain et permettent de relier la dynamique du fonctionnement neuronal aux données acquises en imagerie par résonance magnétique fonctionnelle (IRMf). Il sera démontré que les modèles utilisés sont capables de rendre compte à la fois des caractéristiques IRMf et électrophysiologiques de lʼactivité neuronale, en accord avec les données observées empiriquement. Pour citer cet article : B. Horwitz, C. R. Biologies 328 (2005).

Le texte complet de cet article est disponible en PDF.

Keywords : Brain, Audition, Vision, Neural modeling, Neural networks, fMRI

Mots-clés : Cerveau, Audition, Vision, Modélisation neuronale, Réseaux de neurones, IRMf


Plan


© 2004  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 328 - N° 2

P. 109-118 - février 2005 Retour au numéro

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

L'accès au texte intégral de cet article nécessite un abonnement ou un achat à l'unité.

Déjà abonné à cette revue ?

;

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.