连通性在受控-靶向模式下的神经质量模型中的灵敏度分析
神经元与认知
2025-04-21 v1
摘要
人脑的生物力学模型将其表示为相互连接神经区域的图。基于 Naskar 等人（Network Neuroscience 2021）提出的模型，我们的动机是理解这些脑区如何在神经层面相连以实现某种抑制控制，这需要考虑较少出现的抑制性连通性。在该模型中，区域由相互连接的兴奋性和抑制性神经元池构成，但通过兴奋性池进行远程连接（相互兴奋）。我们扩展了该模型，概括化了连通性，并分析了连通性如何影响该模型的行为。聚焦于最简单的由控制区和靶区组成的范式，我们探讨了四种典型的连通性类型：相互兴奋、靶区被控制区抑制、控制区被靶区抑制，以及相互抑制。在此基础上，我们构建了一个分析性灵敏度框架，嵌套地构建了孤立池、孤立区域以及完整系统的灵敏度。我们表明，仅在靶区被控制区抑制和相互抑制连通性下，才会出现抑制控制。接下来，我们分析了模型灵敏度如何依赖于控制参数，该参数控制靶区内部自抑制强度。最后，我们说明了连通性结构如何影响控制区对外部强迫响应的控制效果。除了本文所探讨的案例之外，我们的方法论为为更复杂的网络配置（无论是针对本模型还是其他模型）构建嵌套灵敏度分析奠定了基础。
引用
@article{arxiv.2504.13728,
title = {Sensitivity analysis enlightens effects of connectivity in a Neural Mass Model under Control-Target mode},
author = {Anaïs Vallet and Stéphane Blanco and Coline Chevallier and Francis Eustache and Jacques Gautrais and Jean-Yves Grandpeix and Jean-Louis Joly and Shailendra Segobin and Pierre Gagnepain},
journal= {arXiv preprint arXiv:2504.13728},
year = {2025}
}