Автореферат (Функциональная интеграция нейрональных популяций в мозге человека)
Описание файла
Файл "Автореферат" внутри архива находится в папке "Функциональная интеграция нейрональных популяций в мозге человека". PDF-файл из архива "Функциональная интеграция нейрональных популяций в мозге человека", который расположен в категории "". Всё это находится в предмете "физико-математические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата физико-математических наук.
Просмотр PDF-файла онлайн
Текст из PDF
на правах рукописиШАРАЕВ МАКСИМ ГЕННАДЬЕВИЧФУНКЦИОНАЛЬНАЯ ИНТЕГРАЦИЯ НЕЙРОНАЛЬНЫХПОПУЛЯЦИЙ В МОЗГЕ ЧЕЛОВЕКАСпециальность: № 03.01.02 – БиофизикаАвтореферат диссертации на соискание ученой степеникандидата физико-математических наукМосква, 2016Работа выполнена на кафедре биофизики физического факультета МосковскогоГосударственного Университета имени М. В. Ломоносова.Научный руководитель:доктор физико-математических наукЯковенко Леонид ВладимировичНаучный консультант:кандидат биологических наукМнацаканян Елена ВладимировнаОфициальные оппоненты:кандидат физико-математических наук,заведующий лабораторией нейронныхсетей Института математических проблембиологии РАНКазанович Яков Борисовичдоктор биологических наук,главный научный сотрудник Институтахимической физики им.
Н.Н. СеменоваРАНСеменова Наталия АлександровнаВедущая организация:Институт биологии развития им.Н.К. Кольцова РАНЗащита состоится 19 мая 2016 года в 15-30 на заседании диссертационного советаД501.002.11 при Московском государственном университете имени М.В. Ломоносова поадресу: 119991, ГСП-1, Москва, Ленинские горы, д.1, стр. 2, физический факультет МГУ,аудитория ЦФАС диссертацией можно ознакомиться в библиотеке Московского государственногоуниверситета имени М.В. Ломоносова и на сайте диссертационного советаhttp://www.phys.msu.ru/rus/research/disser/sovet-D501-002-11/Автореферат разослан _________________________________________Ученый секретарьдиссертационного советакандидат технических наукСидорова Алла Эдуардовна2СПИСОК СОКРАЩЕНИЙЭЭГ – ЭлектроэнцефалографияМЭГ – МагнитоэнцефалографияфМРТ – Функциональная магнитно-резонансная томографияПЭТ – Позитронно-эмиссионная томографияПСС, ВП - Потенциал, связанный с событием; вызванный потенциалDCM (Dynamic Causal Modeling) – Динамическое каузальное моделированиеDMN (Default Mode Network) – Нейронная сеть по умолчаниюTE (Transfer Entropy) – Трансферная энтропияBMS (Bayesian Model Selection) – Байесов выбор моделиFFX (Fixed Effects) – Фиксированные эффектыBMA (Bayesian Model Averaging) – Байесово усреднение моделей3ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темы исследованияВ настоящее время мозг считается сложной системой, состоящей из множестванейронных сетей, работающих параллельно.
Изучение работы мозга человека сопряженосо многими трудностями, связанными в первую очередь с невозможностью инвазивныхисследований здорового мозга, низкой информативностью неинвазивных методов, а такжес невозможностью учета большинства факторов эксперимента и постояннойизменчивостью мозговой активности. Задача современной нейровизуализации инейромоделирования состоит в понимании способов и целей интеграции обособленныхучастков мозга (распределенных нейронных сетей), наблюдаемой в состоянии покоя и привыполнении различных когнитивных задач. Для исследования таких сложных феноменовкак восприятие, мышление и память, необходимо изучение биофизических механизмоворганизации множества крупно- и мелкомасштабных нейросетей и единичных нейроновдля обработки информации и обеспечения когнитивных процессов.
Большинствосовременных психофизиологических исследований с использованием электро- имагнитоэнцефалографии (ЭЭГ и МЭГ), функциональной магнитно-резонанснойтомографии (фМРТ) и позитронно-эмиссионной томографии (ПЭТ) сконцентрировано наразличиях в активации мозговых структур при выполнении мозгом определенныхфункций, т.е. на функциональной локализации. Интеграцию или согласованность работыотдельных областей намного труднее оценить и описать. Один из возможных подходов –оценка функциональных связей, то есть статистических зависимостей между активностьюв различных областях мозга.
Однако лучше всего интеграция оценивается в терминахэффективных связей, которые показывают, каким образом одна нейрональная системавлияет (оказывает эффект) на другую. В некотором смысле, эффективные связи –отражение истинных нейрональных процессов, в то время как функциональные связи –лишь статистически значимое сходство активности в различных областях мозга.Одним из недостатков работ в области нейровизуализации последних лет являютсянедостоверные результаты, часто противоречащие друг другу. Причинами такихрезультатов могут быть как методические ошибки, так и большая сложность иизменчивость изучаемых систем – мозга человека и сетей нейронов, его составляющих.Поэтому крайне важно иметь базис исследования, а именно стабильные ивоспроизводимые результаты, устойчивые в группе испытуемых, хотя бы в самыхпростых случаях, т.е. с минимальным количеством экспериментальных параметров.Примерами таких случаев могут быть эксперименты в состоянии покоя (без внешнихстимулов) и с минимальной зрительной стимуляцией, такой как вспышки света илипредъявление человеку простых геометрических фигур.В 1995 году впервые описаны [2] нейронные сети мозга, наиболее активные в тепромежутки времени, когда человек находится в состоянии покоя.
Исследователиобнаружили спонтанные синхронные изменения метаболизма в сенсомоторной корелевого и правого полушария мозга человека, который неподвижно лежал в сканере.Впоследствии была открыта нейронная сеть по умолчанию (DMN – Default ModeNetwork). В состоянии покоя эта сеть активируется, а при активации остальных сетей еёметаболизм падает. DMN первоначально была идентифицирована с использованием ПЭТ[20], а затем исследована методами фМРТ. Нейронные сети состояния покоя позволяют4определить отделы мозга, связанные с восприятием, первичным анализом, сохранением,осознанием информации, принятием решения и моторным ответом, т.е.
базовые аспектыфункционирования головногомозга.Изучениебиофизическихмеханизмовфункционирования сетей состояния покоя упростит задачу понимания функциональнойинтеграции сетей, формирующихся для выполнения когнитивных задач различнойприроды и сложности, поскольку позволит сравнивать вызванную внешними стимуламиактивность с фоновой активностью состояния покоя.Обработка простых зрительных образов является, пожалуй, самой изученнойобластью нейрофизиологии. Достоверно известны структуры мозга, принимающиеучастие в приеме сигнала от сетчатки глаза (зрительная кора V1), в первичной обработке ипередаче сигнала на более высокие иерархические уровни коры головного мозга.Известны как сами анатомические области зрительной системы, так и проводящие пути,соединяющие эти области.
Однако почти не встречаются работы по исследованиюэффективных связей во время обработки зрительной информации неинвазивнымиметодами, такими как ЭЭГ и фМРТ. Существует много теоретических и компьютерныхмоделей мозговых функций, например таких, как теория предсказательного кодировании(predictive coding). В рамках этой теории мозг делает предположения о виде получаемоговнешнего сигнала и затем пытается уменьшить так называемую ошибку предсказания –разницу между сенсорным сигналом и собственным предсказанием.
Этот процессвключает в себя передачу ошибки предсказания от сенсорных систем к центрам обработкиинформации в коре мозга и передачу самого предсказания в обратном направлении. Такимобразом, формируется петля, похожая на Байесову машину [21].
Формирование такойпетли при обработке мозгом зрительной информации также легло в основу гипотезыинформационного синтеза А.М. Иваницкого [1]. Ранее неинвазивные методыисследований не позволяли установить пути прохождения информации междунейрональными популяциями. В настоящее время с появлением таких методоввизуализации как фМРТ и ЭЭГ с высокой плотностью электродов, а также новых методовматематической обработки результатов, стало возможным получить подтвержденияподобных гипотез.Цель работыЦелью настоящей работы было выявить схемы функциональной интеграции междунейрональными сетями в мозге человека по экспериментальным данным фМРТ и ЭЭГ всостоянии покоя и при зрительной стимуляции.Задачи исследования1. Разработать подход к оценке эффективных связей между активными областямимозга человека по экспериментальным данным ЭЭГ и фМРТ.2.
Выявить стабильные и воспроизводимые паттерны (ориентированные графы)эффективных связей между ключевыми областями нейронной сети состоянияпокоя (DMN).3. Определить стабильные и воспроизводимые паттерны эффективных связеймежду областями вентрального зрительного пути.54. Проверить гипотезы предсказательного кодирования (predictive coding) иинформационного синтеза с точки зрения информационных потоков «снизувверх» или прямых связей и «сверху-вниз» или обратных связей между частямизрительной системы человека.Методы исследованияЭкспериментальные данные в фМРТ эксперименте получены на томографеSIEMENS Magnetom Verio 3 Tesla на базе комплекса НБИКС-технологий Национальногоисследовательского центра «Курчатовский институт»; в ЭЭГ эксперименте – наплатформе Netstation 4.4 (Electrical Geodesics Inc), установленной в Московском НИИпсихиатрии - филиале ФГБУ «ФМИЦПН им.
В.П. Сербского» Минздрава России.Предобработка экспериментальных данных проводилась в среде Matlab. На данных фМРТстроилась общая линейная модель для нахождения активных областей (картирование зонмозга). Данные ЭЭГ усреднялись на отрезке, содержащем зрительный стимул, дляформирования потенциала, связанного с событием (ПСС).В работе использовались программные пакеты для среды Matlab – SPM8, SPM12для динамического каузального моделирования (DCM) взаимодействий междунейрональными популяциями.
Метод DCM основан на биофизической модели переносаинформации между активными областями мозга. Также для оценки эффективных связейиспользовался метод расчета Трансферной Энтропии (ТЕ) – меры теории информации,показывающей направление информационного потока между временными рядамипроизвольной природы и не предполагающий никакой модели генерации данных. Дляускорения метода k-ближайших соседей применялся программный пакет OpenTSTool длясреды Matlab.Научная новизна1.
Разработан комплексный подход к оценке эффективных связей междуактивными областями мозга человека по экспериментальным данным ЭЭГ ифМРТ без априорных знаний о системе. Подход включает в себя расчет ТЕ идинамическое каузальное моделирование. Предложены оригинальныеспособы оценки значимости результатов расчета TE в группе испытуемых.2. По данным фМРТ эксперимента обнаружены стабильные во времени ивоспроизводимые паттерны эффективных связей между четырьмяключевыми областями нейронной сети состояния покоя (DMN).
Показанастабильностьмоделикаквовремени,такиотносительнодобавления/исключения активных областей коры мозга.3. По данным ЭЭГ эксперимента обнаружены стабильные в группе паттерныэффективных связей между четырьмя областями вентрального зрительногопути в зрительной оддбол-задаче. Получено подтверждение гипотезинформационного синтеза и предсказательного кодирования с точки зренияинформационных потоков между частями зрительной системы человека.6Теоретическая и практическая значимостьОбнаруженные в настоящей работе устойчивые паттерны эффективных связеймежду нейрональными популяциями в мозге человека в состоянии покоя и при обработкезрительного стимула, являются важным звеном в фундаментальных исследованиях такихсложных психических процессов, как восприятие и сознание.