信息论入门及其在神经科学中的应用

鉴于从分子到系统等多个尺度上从神经系统获得的数据在数量和质量上的持续增长，信息论分析在过去几十年中在神经科学中变得越来越必要。这类分析可以深入洞察这些系统的功能，并提供严格的数学理论和定量度量，用于处理神经系统在健康和疾病状态下的信息处理。本章将简要介绍信息论的基础知识，特别适合数学和概率论基础较弱的读者。首先，回顾概率论的基本概念，如概率、概率分布和随机变量。然后，概述信息与熵（香农意义下）、互信息和转移熵（有时也称为条件互信息）的概念。由于这些量无法从实测数据中精确计算，将介绍信息论量的估计技术。本章最后将讨论信息论在神经科学领域的应用，包括可能的医学应用问题，以及可用于神经数据信息论分析的软件包的简要回顾。