$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 대규모 데이터 기반의 뇌 신경망 (Brain Network) 연구 동향 원문보기

電子工學會誌 = The journal of Korea Institute of Electronics Engineers, v.42 no.2 = no.369, 2015년, pp.40 - 44  

김창업 (서울대학교 의과대학 신경면역 정보저장 네트워크 연구센터) ,  김상정 (서울대학교 의과대학 신경면역 정보저장 네트워크 연구센터)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이미 ‘빅데이터’ 시대로 진입한 유전체학, 천체물리학 등의 다른 분야와 마찬가지로 새로운 흐름은 연구자들의 관점과 접근 방식에 근본적인 변화를 유도하고 있으며, 이에 따라 데이터 표준화, 공개 협력연구, 대용량 데이터의 처리와 분석 등, 다양한 주제로 매우 흥미로운 논의들이 진행되고 있다. 본 글에서는 그 중에서 고차원 시계열 데이터(high-dimensional time series data)의 특성을 갖는 신경망의 데이터 분석방법에 초점을 맞추어 최근의 동향을 소개하고자 한다.
  • 향후 가속화 될 대규모 신경활성 기록 기술 및 관련 테크놀로지의 발전으로 이러한 갭이 메꾸어 질 것으로 기대된다. 본 글에서는 기능적 자기공명영상(fMRI), 양전자방출단층촬영술(PET) 등을 중심으로 이뤄지고 있는 인간 뇌영상 기반의 뇌신경망 연구와 multielectrode array recording, twophoton calcium imaging등을 주요 수단으로 이뤄지고 있는 동물의 신경망 연구를 차례로 살펴본다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
뇌 신경망 데이터는 어떻게 구분할 수 있는가? 뇌 신경망 데이터는 크게 거시수준(large-scale level) 데이터와 중간(meso), 혹은 미시수준(micro-scale level)의 데이터로 구분될 수 있다. 전자는 주로 인간을 대상으로 한 뇌영상 연구(fMRI, PET, MEG, EEG 등)를 통해 얻어지며 뇌의 넓은 범위를 포함하지만 개별 세포수준의 정보가 아닌 영역(region) 수준에서의 데이터를 제공한다.
Seed-based analysis의 기능은 무엇인가? 기능적 연결성 연구는 초기 관심 영역간의 연결성을 조사하는 연구에서 시작하여 seed-based analysis와 brain network analysis로 발전하였다. Seed-based analysis는 관심 영역(주로 특정 행위, 혹은 질병 상태에서 높은 활성을 보인 영역)의 voxel을 seed로 설정하고, seed voxel과 나머지 전체 voxel들간의 연결성을 조사한다. 관심 영역과 뇌 전체 영역간의 연결관계를 파악할 수 있으나, 관심영역 설정 단계에서 연구자의 편견이 들어갈 수 있는 단점이 있으며, 뇌의 신경망을 전체적으로 조망할 수는 없다는 한계가 있다.
Seed-based analysis의 단점과 한계는 무엇인가? Seed-based analysis는 관심 영역(주로 특정 행위, 혹은 질병 상태에서 높은 활성을 보인 영역)의 voxel을 seed로 설정하고, seed voxel과 나머지 전체 voxel들간의 연결성을 조사한다. 관심 영역과 뇌 전체 영역간의 연결관계를 파악할 수 있으나, 관심영역 설정 단계에서 연구자의 편견이 들어갈 수 있는 단점이 있으며, 뇌의 신경망을 전체적으로 조망할 수는 없다는 한계가 있다. Brain network analysis는 뇌 영역들을 node로, 정의한 연결성을 edge로 표현하여 그래프(graph)를 구성하고, 복잡계 네트워크(complex network) 이론을 적용하여 신경망의 topology를 분석한다(<그림 2>).
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. http://www.braininitiative.nih.gov/2025/index.htm. 

  2. Greicius, M.D., et al., Resting-state functional connectivity reflects structural connectivity in the default mode network. Cereb Cortex, 2009. 19(1): p. 72-8. 

    상세보기 crossref

  3. Roebroeck, A., E. Formisano, and R. Goebel, Mapping directed influence over the brain using Granger causality and fMRI. Neuroimage, 2005. 25(1): p. 230-42. 

    상세보기 crossref

  4. Smith, S.M., The future of FMRI connectivity. Neuroimage, 2012. 62(2): p. 1257-66. 

    상세보기 crossref

  5. Hutchison, R.M., et al., Dynamic functional connectivity: promise, issues, and interpretations. Neuroimage, 2013. 80: p. 360-78. 

    상세보기 crossref

  6. Zalesky, A., et al., Time-resolved resting-state brain networks. Proc Natl Acad Sci U S A, 2014. 111(28): p. 10341-6. 

    상세보기 crossref

  7. Stevenson, I.H., et al., Inferring functional connections between neurons. Curr Opin Neurobiol, 2008. 18(6): p. 582-8. 

    상세보기 crossref

  8. Cunningham, J.P. and B.M. Yu, Dimensionality reduction for large-scale neural recordings. Nat Neurosci, 2014. 17(11): p. 1500-9. 

    상세보기 crossref

  9. Stevenson, I.H. and K.P. Kording, How advances in neural recording affect data analysis. Nat Neurosci, 2011. 14(2): p. 139-42. 

    상세보기 crossref

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로