硅基EEG脑波的信息动力学：对振荡与功能的洞察

EEG节律、脑功能和行为相关之间的关系已得到充分确立。产生节律的一些潜在机制已被理解，使得能够在硅基(in silico)中复现脑节律。这允许探索神经振荡与特定神经元回路之间的关系，有助于破译脑波的功能特性。集成信息分解(Φ-ID)框架将动力学机制与信息特性相关联，从而提供对神经元动态功能的更深入洞察。在此，我们研究了一个具有短时突触可塑性的兴奋/抑制(E/I)平衡IF神经元网络中波的出现，该网络产生从低频δ波到高频振荡的多样化EEG样节律。通过Φ-ID，我们分析网络的信息动力学，阐明该系统适用于鲁棒信息传输、存储和并行操作。我们的研究还识别出由于信息特性差和高随机性而可能类似于病理状态的机制。我们发现硅基β波和δ波分别与抑制性和兴奋性神经元群体中的最大信息传输相关，且兴奋性θ、α和β波共存与信息存储相关。此外，高频振荡可表现出高或差的信息特性，为关于生理性 versus 病理性高频振荡的讨论提供启示。我们的研究表明，具有相似振荡的动力学机制可能表现出不同的信息动力学。最后，我们的发现表明，在模型和实验数据分析中使用信息动力学，有助于区分与认知功能相关的振荡和与神经元障碍相关的振荡。