从样本到知识：迈向神经科学发现的集成方法
定量方法
2017-01-25 v2 系统与控制
神经元与认知
摘要
现代神经科学实验中使用的成像方法正快速产生大量数据，能够提供关于神经解剖和功能的日益增长的知识。这些数据集中的大量信息相对未被探索和挖掘。知识提取的瓶颈之一是产生的知识（例如图、密度估计或其他统计）与流水线早期阶段（例如采集）之间通常没有反馈回路。因此我们倡导开发样本到知识发现流水线，可用于以特定最终目标（即知识片段）为导向优化采集和处理步骤。因此我们提出优化不仅发生在每个处理阶段内部，也发生在流水线的相邻（和非相邻）步骤之间。此外，我们探索现有的知识表示和模型类别，以激发实现最终目标所需的实验和分析类型。为说明该方法，我们提供了一种实验范式，通过结合X射线微层析和电子显微镜的多模态方法回答关于大规模突触分布的问题。
引用
@article{arxiv.1604.03199,
title = {From sample to knowledge: Towards an integrated approach for neuroscience discovery},
author = {William Gray Roncal and Eva L Dyer and Doga Gürsoy and Konrad Kording and Narayanan Kasthuri},
journal= {arXiv preprint arXiv:1604.03199},
year = {2017}
}
备注
first two authors contributed equally. 8 pages, 2 figures. v2: added acknowledgments