“癫痫的计算模型”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
第1行： 第1行：
−
此词条暂由彩云小译翻译，翻译字数共306，未经人工整理和审校，带来阅读不便，请见谅。
+
癫痫的计算模型主要关注描述与癫痫相关的电生理表现，称为癫痫发作。为此，计算神经科学使用微分方程来重现实验记录的信号的时间演变。2008年出版的一本书《癫痫的计算神经科学》，<ref>[https://www.worldcat.org/title/computational-neuroscience-in-epilepsy/oclc/281558250 Computational neuroscience in epilepsy]. Ivan Soltesz, Kevin Staley (1st ed.). Amsterdam: Academic. 2008. <nowiki>ISBN 978-0-12-373649-9</nowiki>. OCLC 281558250.</ref>总结了到当年为止的不同工作。从预测信号到理解潜在的机制，使用癫痫的计算模型的目的是多样的。<ref>Lytton, William W. (August 2008). "[https://www.nature.com/articles/nrn2416 Computer modelling of epilepsy]". ''Nature Reviews Neuroscience''. '''9''' (8): 626–637. doi:10.1038/nrn2416. ISSN 1471-0048. PMC 2739976. <nowiki>PMID 18594562</nowiki>.</ref>
  
−
癫痫的计算模型主要关注描述与癫痫相关的电生理表现，称为癫痫发作。为此，计算神经科学使用微分方程来重现实验记录的信号的时间演变。2008年出版的一本书《癫痫的计算神经科学》，总结了到当年为止的不同工作。从预测信号到理解潜在的机制，使用癫痫的计算模型的目的是多样的。
+
危机现象(癫痫发作)存在于不同的尺度<ref>Depannemaecker, Damien; Destexhe, Alain; Jirsa, Viktor; Bernard, Christophe (2021-02-22). "Modeling Seizures: From Single Neurons to Networks".doi:10.20944/preprints202102.0478.v1.</ref>和不同的生物<ref>Jirsa, Viktor K.; Stacey, William C.; Quilichini, Pascale P.; Ivanov, Anton I.; Bernard, Christophe (2014-06-10). "On the nature of seizure dynamics". ''Brain''. '''137''' (8): 2210–2230. doi:10.1093/brain/awu133. ISSN 1460-2156. PMC 4107736. <nowiki>PMID 24919973</nowiki>.</ref>中，具有一定的动力学特性。我们可以区分不同的方法：现象学模型专注于观察到的动力学，通常将目标减少到几个维度，这有利于从动力学系统理论的角度进行研究，更多的机制模型可以解释癫痫发作背后生物物理学的相互作用。也可以用这些方法来建模并分析大脑不同区域之间的相互作用(在这种情况下，网络的概念起着重要作用)或发作状态的过渡期。这些大规模的方法的优势在于能够与人类的记录相关联，这是脑电图(electroencephalography, EEG)的功劳。现象学模型为临床研究提供了新的方向，特别是作为治疗难治性癫痫的补充手段。
−
 
 
−
危机现象(癫痫发作)存在于不同的尺度和不同的生物中，具有一定的动力学特性。我们可以区分不同的方法：现象学模型专注于观察到的动力学，通常将目标减少到几个维度，这有利于从动力学系统理论的角度进行研究，更多的机制模型可以解释癫痫发作背后生物物理学的相互作用。也可以用这些方法来建模并分析大脑不同区域之间的相互作用(在这种情况下，网络的概念起着重要作用)或发作状态的过渡期。这些大规模的方法的优势在于能够与人类的记录相关联，这是脑电图(electroencephalography, EEG)的功劳。现象学模型为临床研究提供了新的方向，特别是作为治疗难治性癫痫的补充手段。
 
  
 
其他方法是利用这些模型，从神经元尺度上利用生物物理学的描述，试图理解这些癫痫发作的机制。这使得我们能够理解体内平衡的作用，理解物理量(例如钾的浓度)和观察到的病理动力学之间的联系。
 
其他方法是利用这些模型，从神经元尺度上利用生物物理学的描述，试图理解这些癫痫发作的机制。这使得我们能够理解体内平衡的作用，理解物理量(例如钾的浓度)和观察到的病理动力学之间的联系。

2022年4月12日 (二) 12:52的版本

癫痫的计算模型主要关注描述与癫痫相关的电生理表现，称为癫痫发作。为此，计算神经科学使用微分方程来重现实验记录的信号的时间演变。2008年出版的一本书《癫痫的计算神经科学》，[1]总结了到当年为止的不同工作。从预测信号到理解潜在的机制，使用癫痫的计算模型的目的是多样的。[2]

危机现象(癫痫发作)存在于不同的尺度[3]和不同的生物[4]中，具有一定的动力学特性。我们可以区分不同的方法：现象学模型专注于观察到的动力学，通常将目标减少到几个维度，这有利于从动力学系统理论的角度进行研究，更多的机制模型可以解释癫痫发作背后生物物理学的相互作用。也可以用这些方法来建模并分析大脑不同区域之间的相互作用(在这种情况下，网络的概念起着重要作用)或发作状态的过渡期。这些大规模的方法的优势在于能够与人类的记录相关联，这是脑电图(electroencephalography, EEG)的功劳。现象学模型为临床研究提供了新的方向，特别是作为治疗难治性癫痫的补充手段。

其他方法是利用这些模型，从神经元尺度上利用生物物理学的描述，试图理解这些癫痫发作的机制。这使得我们能够理解体内平衡的作用，理解物理量(例如钾的浓度)和观察到的病理动力学之间的联系。

近年来，这一领域的研究进展迅速，无论是在难治性癫痫的直接临床应用，还是指导实验工作的基础研究，对我们理解和治疗癫痫都具有重要意义。

References

References

= 参考文献 =

  1. ↑ Computational neuroscience in epilepsy. Ivan Soltesz, Kevin Staley (1st ed.). Amsterdam: Academic. 2008. ISBN 978-0-12-373649-9. OCLC 281558250.
  2. ↑ Lytton, William W. (August 2008). "Computer modelling of epilepsy". Nature Reviews Neuroscience. 9 (8): 626–637. doi:10.1038/nrn2416. ISSN 1471-0048. PMC 2739976. PMID 18594562.
  3. ↑ Depannemaecker, Damien; Destexhe, Alain; Jirsa, Viktor; Bernard, Christophe (2021-02-22). "Modeling Seizures: From Single Neurons to Networks".doi:10.20944/preprints202102.0478.v1.
  4. ↑ Jirsa, Viktor K.; Stacey, William C.; Quilichini, Pascale P.; Ivanov, Anton I.; Bernard, Christophe (2014-06-10). "On the nature of seizure dynamics". Brain. 137 (8): 2210–2230. doi:10.1093/brain/awu133. ISSN 1460-2156. PMC 4107736. PMID 24919973.

Category:Computational biology Category:Epilepsy

类别: 计算生物学类别: 癫痫


This page was moved from wikipedia:en:Computational models in epilepsy. Its edit history can be viewed at 癫痫的计算模型/edithistory

取自“https://wiki.swarma.org/index.php?title=癫痫的计算模型&oldid=30160”