37
个编辑
更改
跳到导航
跳到搜索
第273行：
第273行： − + 第282行：
第282行： − +
“应用 ”部分增加参考文献
将IIT1.0应用于神经数据时，通常首先将尖峰放电、局部场电位（LFP）、脑电（EEG）或功能磁共振（fMRI）等数据离散化为二元[[向量]]。常见做法是将时间切分为等长时隙，并对每个通道施加阈值，将其编码为“高/低”或“有/无”活动状态。随后，再由观测数据统计或模型拟合得到TPM。
将IIT1.0应用于神经数据时，通常首先将尖峰放电、局部场电位（LFP）、脑电（EEG）或功能磁共振（fMRI）等数据离散化为二元[[向量]]。常见做法是将时间切分为等长时隙，并对每个通道施加阈值，将其编码为“高/低”或“有/无”活动状态。随后，再由观测数据统计或模型拟合得到TPM。
典型流程如下：
典型流程如下：
# 对神经数据进行预处理、去噪与标准化；
# 对神经数据<ref name="Casali2013">{{cite journal|author1=Casali AG|author2=Gosseries O|author3=Rosanova M|title=A theoretically based index of consciousness independent of sensory processing|journal=Science Translational Medicine|year=2013|volume=5|issue=198|pages=198ra105|url=https://doi.org/10.1126/scitranslmed.3006294}}</ref>进行预处理、去噪与标准化；
# 依据实验设计选定时隙长度与离散化阈值；
# 依据实验设计选定时隙长度与离散化阈值；
# 构造[[系统状态]]空间；
# 构造[[系统状态]]空间；
这一思想与某些神经结构的经验观察相一致。例如，丘脑—皮层网络通常被视为高度整合的系统，而小脑虽然神经元数量丰富，却因局部模块化强、跨模块交互相对有限，通常被认为对意识整合的贡献较低。
这一思想与某些神经结构的经验观察相一致。例如，丘脑—皮层网络通常被视为高度整合的系统，而小脑虽然神经元数量丰富，却因局部模块化强、跨模块交互相对有限，通常被认为对意识整合的贡献较低。
总体而言，IIT1.0在[[神经科学]]中的贡献在于提供了一种从“信息整合”角度理解意识相关神经机制的形式化框架。它将神经系统视为可离散化的因果动力系统，并通过 TPM、[[有效信息]]、MIP 与 <math>\Phi</math> 等工具，将“意识水平”与“系统内部因果整合”联系起来。尽管其原始定义在实际神经数据中的可计算性有限，但这一框架为后续的[[意识]]测量、麻醉评估与脑网络比较研究奠定了重要基础。
总体而言，IIT1.0在[[神经科学]]中的贡献在于提供了一种从“信息整合”角度理解意识相关神经机制的形式化框架。它将神经系统视为可离散化的因果动力系统，并通过 TPM、[[有效信息]]、MIP 与 <math>\Phi</math> 等工具，将“意识水平”与“系统内部因果整合”联系起来。尽管其原始定义在实际神经数据中的可计算性有限，但这一框架为后续的[[意识]]测量、麻醉评估与脑网络比较研究奠定了重要基础<ref name="Pentti O A Haikonen">{{cite book|author1=Pentti O A Haikonen|title=Consciousness and Robot Sentience|publisher=VitalSource Tec Inc,|year=2012|url=https://www.vitalsource.com/products/consciousness-and-robot-sentience-pentti-o-haikonen-v9789814407175}}。
=理论的局限=
=理论的局限=