EP1425679A2 - Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle - Google Patents

Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle

Info

Publication number
EP1425679A2
EP1425679A2 EP02774330A EP02774330A EP1425679A2 EP 1425679 A2 EP1425679 A2 EP 1425679A2 EP 02774330 A EP02774330 A EP 02774330A EP 02774330 A EP02774330 A EP 02774330A EP 1425679 A2 EP1425679 A2 EP 1425679A2
Authority
EP
European Patent Office
Prior art keywords
artificial neuron
nerve cell
signal
input
activity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP02774330A
Other languages
English (en)
French (fr)
Inventor
Bernd SCHÜRMANN
Martin Stetter
Gustavo Deco
Jan Storck
Silvia Corchs
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP1425679A2 publication Critical patent/EP1425679A2/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/061—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using biological neurons, e.g. biological neurons connected to an integrated circuit
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Definitions

  • the invention relates to the determination and description of a transmission behavior of an exciting nerve cell using artificial neurons.
  • nerve cells nerve cells
  • their biological functionality i.e. to reproduce their biological behavior using artificial neurons.
  • FIG. 2 schematically shows the structure of such a nerve cell 200 that can be simulated by an artificial neuron.
  • This nerve cell 200 a basic building block of the brain, has D so-called dendrites 210, i.e. thin, tubular and mostly heavily branched extensions, with which the nerve cell receives 200 input signals. These input signals, a so-called synaptic activity, are processed 3 in the nerve cell 200, in particular there in a cell body 220, and passed on as electrical nerve impulses or electrical potentials, also referred to as action potential or “spiking activity”.
  • the electrical nerve impulses are forwarded via a nerve fiber 230, the so-called axon, which branches 231 at its end.
  • a synapse 240 is thus a contact point between two nerve cells or the contact point between an end of an axon 230 of a neuron and a dendrite 210 of another neuron.
  • Inhibitory synapses 252 lower electrical potentials to be transmitted or to be transmitted, exciting synapses 251 increase electrical potentials to be transmitted.
  • an artificial nerve cell (artificial neuron) is known from [1], which simulates a (biological) nerve cell.
  • an artificial neuron is a mathematical representation which, in accordance with the transmission behavior of the biological nerve cell, maps an input variable of the artificial neuron to an output variable of the artificial neuron.
  • an artificial neuron consists of three components: the cell body, the dendrimers) th, sum which input signals to the artificial neuron, the axon, which forwards the output of the artificial neuron outward branches and with the dendrites subsequent artificial neurons come into contact via synapses.
  • a strength of a synapse or the type of synapse is usually represented by a numerical value or its sign. This value is called the connection weight.
  • the previously known magnetic resonance tomography (also magnetic resonance imaging, abbreviated: MR) is an imaging method that generates sectional images of the human body without the use of stressful X-rays. Instead, it takes advantage of the behavior of body tissue in a strong magnetic field. Pathological changes in the body tissue, for example in the brain or spinal cord, can be identified.
  • BOLD signal Bit Oxygenation Level Dependent
  • fMRI measurements shows the course of the activity of the individual areas over a certain period of time, for example during cognitive processes as a result of certain perceptual processes or motor tasks. Functional disorders in the brain are therefore implicit in the measured fMRI signals.
  • the fMRI-5 measurements are analyzed using mathematical methods and thus direct conclusions can be drawn about functional disorders in a brain and their causes.
  • the currently known and used analysis methods usually have the disadvantage that they are insufficiently accurate .5 and thus possibly lead to incorrect conclusions in a diagnosis and / or are inefficient, i.e. are too slow and too complex to use the respective analysis method.
  • [6] discloses a software tool for an fMRI analysis method, an “fmri.pro”.
  • a device for carrying out the fMRI technique is known from [7].
  • the object of the invention is to provide an arrangement and an associated method with which the functionality, in particular the transmission behavior, of a nerve cell is better, i.e. with greater accuracy and consistency
  • the arrangement with artificial neurons to describe a transmission behavior of an exciting nerve cell, through which transmission behavior an external and an internal synaptic activity is converted into an action potential activity shows: .0 -. a first artificial neuron, which describes the excitatory nerve cell, with a first input for supplying a first input signal which corresponds to the external synaptic activity, with a second input for supplying a second input signal which corresponds to .5 the internal synaptic activity, and with a Output for the discharge of an output signal which corresponds to the action potential activity,
  • an inhibitory nerve cell describes which second artificial neuron generates the second input signal of the first artificial neuron.
  • ! 5 becomes a second input signal, which corresponds to the internal synaptic activity and which is used by a second input with the first artificial neuron.
  • bound second artificial neuron which describes an inhibitory nerve cell, is produced, - at an output of the first artificial neuron, an output signal which corresponds to the action potential activity is dissipated using the first and the second input signal and the output signal the transmission behavior determined.
  • an artificial neuron is to be understood as a computing element which maps an input variable supplied to the computing element using a predefinable mapping to an output variable which can be dissipated by the computing element.
  • the mapping can be a linear as well as a non-linear mapping and describes a function or a transmission behavior of an inhibitory or an exciting nerve cell.
  • the exciting and the inhibiting nerve cell or the first and the second artificial neuron can also be considered as a unit.
  • Such a unit can be referred to as “Voxel X.
  • the invention has the particular advantage that it enables the description of complex nerve cell structures as they occur in the brain and their complex activity patterns in a particularly simple and precise manner.
  • the invention thus enables reliable conclusions to be drawn about functional disorders of nerve cells or nerve cell structures.
  • Computer program is stored, which carries out the invention or the training.
  • the first input signal is generated by a further artificial neuron which describes a further excitatory nerve cell and which is connected to the first artificial neuron via the first input.
  • the first artificial neuron has a self-feedback for self-excitation by a self-excitation signal, through which self-feedback a further output of the first artificial neuron is connected to a third input of the first artificial neuron.
  • the exciting nerve cell 5 described by the first artificial neuron represents a large number of exciting nerve cells, in particular a large number of exciting nerve cells in the brain or in one Area of the brain.
  • the inhibitory nerve cell described by the second artificial neuron is a
  • the large number of excitatory nerve cells and the large number of inhibitory nerve cells are assigned to the same predetermined brain area or belong to the same brain area.
  • nerve cells summarized in a representative and described by a representative are referred to as a population.
  • an inhibitory population results if 5 a large number of inhibitory nerve cells are combined, or an exciting population if a large number of exciting nerve cells are combined.
  • a unit composed of an exciting and an inhibiting population can also be drawn as a voxel. 0
  • a mean field model when combining nerve cells into a population. As a result, individual interaction effects between individual nerve cells are no longer taken into account, but 5 these individual interactions are approximated by means of an averaged interaction.
  • Such a mean field model can also be used when describing a single nerve cell or when describing a single voxel.
  • the output signal of the first artificial neuron of the first voxel is the first input signal to the first artificial neuron of the second voxel and as another input signal to the second artificial neuron of the second voxel
  • the excitatory nerve cell of the first voxel is clearly connected to both the excitatory nerve cell and the inhibitory nerve cell of the second voxel! 0.
  • mapping a differential approach i.e. a time-variant approach to provide, for example:
  • ⁇ is a time constant d / dt is derived from a time variable ta
  • b is an index for a nerve cell or for a population
  • m is a “spiking” activity
  • h is a synaptic activity
  • g (. ' ) is a mapping rule.
  • Such weights which can be determined using a physiological and / or neuroanatomical knowledge, can be used to emulate a nerve conduction, in particular a synaptic transmission, in the biological model, for example the transmission of a nerve signal from an axon of a nerve cell via a synapse a dendrite of a subsequent nerve cell.
  • all weights are set as the same and / or time-invariant as part of an idealization in the reproduction of the biological model.
  • the output signal which corresponds to an action potential or a “spiking” activity in the biological model, is further processed in such a way that a number and / or statistics of action potentials are determined from the output signal.
  • the invention is used in functional magnetic resonance imaging (fMRI).
  • fMRI functional magnetic resonance imaging
  • BOLD signal Blood Oxygenation Level Dependent Signal
  • ! 0 signal is determined as the first input signal using the invention, the output signal representing brain activity.
  • FIG. 1 shows a schematic representation of nerve conduction in a voxel according to an exemplary embodiment
  • FIG. 2 shows a schematic representation of a structure of a nerve cell
  • FIG. 4 shows a schematic representation of nerve conduction in an artificial voxel according to an exemplary embodiment
  • FIG. 5 Schematic representation of steps in nerve conduction in a voxel according to an exemplary embodiment
  • FIG. 6 shows a schematic representation of a nerve conduction in LO two interlinked voxels according to an exemplary embodiment
  • Figure 7 Schematic representation of a transmission behavior of a voxel according to an embodiment L5 using an input signal and an output signal, which describe the transmission behavior of the voxel.
  • Exemplary embodiment functional magnetic resonance imaging
  • FIG. 3 shows a device 300 for performing a functional magnetic resonance tomography or magnetic resonance tomography (abbreviated to fMRI), a functional magnetic resonance tomograph or magnetic resonance tomograph 300.
  • fMRI functional magnetic resonance tomography or magnetic resonance tomography
  • the magnetic resonance tomograph 300 has a closed tube 310, which is embedded in a magnet 320 in such a way that it generates a strong magnetic field in the tube 310.
  • the MRI scanner 300 has a patient table 330 which can be moved into the tube 310 5 and on which a patient is supported during an examination.
  • the magnetic resonance tomograph 300 has a control device 331, which enables the patient table 330 to be checked and controlled during the examination, for example a controlled entry of the patient table 330 into the tube 320.
  • the MRI scanner 300 has a measuring device 340 for measuring a BOLD signal (Blood Oxygenation r Level Dependent), an associated evaluation device.
  • BOLD signal Bit Oxygenation r Level Dependent
  • LO device 341 for evaluating the measured BOLD signal, in this case a high-performance computer, as well as an operating or interaction device 342 for operating personnel and a display device 343 for displaying an examination result.
  • the components of the magnetic resonance tomograph 300 are functionally connected to one another, for example via signal or data lines via which data and signals can be transmitted.
  • the neuronal activity in areas of the brain of a patient can be measured on the basis of the fMRI technique.
  • the BOLD signal (Blood Oxygenation Level Dependent) is measured in individual areas of the patient's brain by means of the measuring device 340, which is related to the neuronal activity in the respective areas.
  • fMRI measurements shows the course of the activity of the individual areas over a certain period of time, for example during cognitive processes as a result of certain perceptual processes or motor tasks which are to be carried out by the patient during an examination 5.
  • Functional disorders in the patient's brain are therefore implicit in the measured fMRI signals.
  • the evaluation device 341 which provides or carries out a corresponding analysis method, the fMRI measurements, ie the BOLD signals measured in individual areas of the brain, are analyzed, thereby the brain activity in the form of corresponding activation patterns in the examined areas in the Brain is determined and from this direct conclusions can be drawn about functional disorders in the brain and their causes.
  • the analysis method provided by the evaluation device 340 is based on a model of the brain, the neuron structures in the brain and their (transmission) behavior, on the basis of which the measured BOLD signal is analyzed and evaluated.
  • the results or the conclusions of an examination are shown on the display device 343 and can be processed further by means of the operating and interaction device 342 in connection with the evaluation device 341.
  • a direction of flow of a signal in a signal line for example a direction of flow of a nerve signal in a nerve line, is identified by an arrow direction.
  • FIG. 1 shows a basic structure 100 of a complex nerve cell structure in the brain, comprising a large number of individually linked nerve cells.
  • this basic structure 100 a voxel, an excitatory nerve cell 101 is connected to an inhibitory nerve cell 102 via a first 103 and a second nerve line 104 in such a way that nerve signals of the inhibitory nerve cell 102 can be transmitted into the excitatory 5 nerve cell 101 and nerve signals of the excitatory nerve cell 101 into that inhibitory nerve cell 101 are transferable.
  • the excitatory nerve cell 101 has a third nerve conduction 105 (dendrite), by means of which nerve signals from another nerve cell of another voxel can be transmitted to the excitatory nerve cell 101 (post-synaptic activity h).
  • a third nerve conduction 105 dendrite
  • the exciting nerve cell 101 also has a fourth nerve line 106 (axon), by means of which nerve signals can be transmitted from the exciting nerve cell 101 into a second further nerve cell of a second further voxel (spiking activity M).
  • the exciting nerve cell 101 and the inhibitory nerve cell 102 each have a self-exciting nerve conduction 107 and 108.
  • Each nerve line 103 to 108 is assigned a weight w (wl to w6; 111 to 116), which represents a synaptic transmission of the respective nerve signal.
  • FIG. 4 shows the corresponding voxel model 400 of the voxel 100 shown in FIG. 10.
  • a first artificial neuron 101 with a second artificial neuron 102 is over a first 103 and the second signal line 104 are connected in such a way that signals from the second artificial neuron 102 can be transmitted to the first artificial neuron 101 and signals from the first artificial neuron 101 can be transmitted to the second artificial neuron 101.
  • the first artificial neuron 101 has a third signal line 105, by means of which signals from a further artificial neuron of a further voxel can be transmitted into the first artificial neuron 101 (post-synaptic activity h).
  • the first artificial neuron 101 also has a fourth signal line 106, by means of which signals from the first L5 artificial neuron 101 can be transmitted to a second further artificial neuron of a second further voxel (spiking activity M).
  • Each signal line 103 to 106 is assigned a weight w (wl to 20 w4; 111 to 114), which represents a synaptic transmission of the nerve signal on which the respective signal is based.
  • FIG. 5 shows a list 500 of steps 501 to 504, 25 which take place or are carried out in the biological basic structure 100 and in the voxel model 400.
  • a neuron which describes the excitatory nerve cell, is supplied at a first input with a first input signal, which corresponds to the external synaptic activity.
  • a second input signal which corresponds to the internal synaptic activity and which is connected to the first neuron via the second input, is connected to a second input 35 of the first neuron. which second neurons, which describes an inhibitory nerve cell, is produced.
  • an output signal which corresponds to the action potential activity is carried off at an output of the first 5 neurons.
  • a .0 transmission behavior of the basic biological structure 100 or voxels or the model 400 is determined using the first and the second input signal and the output signal.
  • FIG. 6 shows a link between two voxel or voxel models 120 and 121 according to voxel 100 or voxel .5 model 400.
  • the two voxels or voxel models 120 and 121 are linked to one another in such a way that the excitatory nerve cell 101 of the first voxel 120 is connected both to the excitatory nerve cell 122 5 of the second voxel 121 and to the inhibitory nerve cell 123 of the second voxel 121 via lines 106 and 110 is connected.
  • Weights of lines that transmit output signals from exciting neurons are positive. Weights of lines that transmit output signals from inhibitory neurons are negative.
  • M a g ( ⁇ w from M b ) b effective synaptic activity: ⁇
  • Mi2 g (wM e 2 + wM e i) w 2 - n 2 + 2wM e ! + wM e 2 + Mi2
  • the BOLD signal measured for this area is applied to the model described above as synaptic activity (He2 + Hi2).
  • the corresponding spiking activity Me2 is determined from this as an immediate variable for the neuronal activity in the selected brain area.
  • FIG. 7 shows, by way of example, a first and a second time profile 701 and 702 of such a BOLD signal for a first and a second brain area together with the first and the second associated time profile 711 and 712 of the first and second spiking activity determined therefrom or the corresponding one first and second neuronal activity pattern.
  • Functional disturbances in this area can be recognized from the signal course of the spiking activity Me2 or from the activity pattern generated by the signal course in a brain area.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Neurology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Feedback Control In General (AREA)

Abstract

Die Erfindung betrifft die Ermittlung und Beschreibung eines Übertragungsverhaltens einer erregenden Nervenzelle unter Verwendung künstlicher Neuronen. Ein erstes künstliches Neuron, welches die erregende Nervenzelle beschreibt, weist einen ersten Eingang zur Zuführung eines ersten Eingangssignals, welches der externen synaptischen Aktivität entspricht, einen zweiten Eingang zur Zuführung eines zweiten Eingangssignals, welches der internen synaptischen Aktivität entspricht und von einem zweiten künstlichen Neuron erzeugt wird, sowie einen Ausgang auf zur Abführung eines Ausgangssignals, welches der Aktionspotentialaktivität entspricht.

Description

Beschreibung
Anordnung mit künstlichen Neuronen zur Beschreibung eines Übertragungsverhaltens einer erregenden Nervenzelle und Ver- 5 fahren zur Ermittlung eines Übertragungsverhaltens einer erregenden Nervenzelle unter Verwendung künstlicher Neuronen
Die Erfindung betrifft die Ermittlung und Beschreibung eines Übertragungsverhaltens einer, erregenden Nervenzelle unter 0 Verwendung künstlicher Neuronen.
Aus [1] ist bekannt, Nervenzellen (Neuronen) und deren biologische Funktionalität, d.h. deren biologisches Verhalten, durch künstliche Neuronen nachzubilden. 5
Fig.2 zeigt schematisch den Aufbau einer solchen durch ein künstliches Neuron nachbildbaren Nervenzelle 200.
Diese Nervenzelle 200, ein Grundbaustein des Gehirns, weist D sogenannte Dendriten 210, d.h. dünne, röhrenförmige und meist stark verästelte Fortsätze, auf, mit denen die Nervenzelle 200 Eingangssignale aufnimmt. Diese Eingangsignale, eine sogenannte synaptische Aktivität, werden in der Nervenzelle 200, insbesondere dort in einem Zellkörper 220, verarbeitet 3 und als elektrische Nervenimpulse bzw. elektrische Potentiale, auch bezeichnet als Aktionspotential oder „spikende Aktivität, weitergeleitet.
Die Weiterleitung der elektrischen Nervenimpulse erfolgt über i eine Nervenfaser 230, das sogenannte Axon, welche sich an ihrem Ende verästelt 231.
Dort bildet es an den Enden der Verästelungen 231 Verdickungen 240, die Synapsen.240, über welche die Nervenzelle 200 ihre elektrischen Nervenimpulse an nachfolgende, mit ihr verknüpfte Nervenzellen verteilt. Anschaulich gesehen ist eine solche Synapse 240 somit eine Kontaktstelle zwischen zwei Nervenzellen bzw. die Kontaktstelle zwischen einem Ende eines Axons 230 eines Neurons und einem Dendrit 210 eines weiteren Neurons.
Ferner ist aus [1] bekannt, zwei Arten von Synapsen bzw. Nervenzellen zu unterschieden, eine erregende (exzitatorische) Synapse 251 bzw. Nervenzelle und eine hemmende (inhibitorische) Synapse 252 bzw. Nervenzelle.
Hemmende Synapsen 252 senken zu übertragende bzw. weiterzuleitende elektrische Potentiale, erregende Synapsen 251 erhöhen zu übertragende elektrische Potentiale.
Weitere Ausführungen zum Aufbau und zur Funktionalität einer Nervenzelle sowie zur Nervenleitung sind in [1] gegeben.
Ferner ist aus [1] eine künstliche Nervenzelle (künstliches Neuron) , welche eine (biologische) Nervenzelle nachbildet be- kannt .
Anschaulich gesehen ist ein solches künstliches Neuron eine mathematische Abbildung, welche entsprechend dem Übertragungsverhalten der biologischen Nervenzelle eine Eingangsgrö- ße des künstlichen Neurons auf eine Ausgangsgröße des künstlichen Neurons abbildet.
In Anlehnung an das biologische Vorbild besteht ein künstliches Neuron aus drei Komponenten: dem Zellkörper, den Dendri- ) ten, welche Eingangssignale in das künstliche Neuron aufsummieren, dem Axon, welches das Ausgangssignal des künstlichen Neurons nach außen weiterleitet, sich verzweigt und mit den Dendriten nachfolgender künstlicher Neuronen über Synapsen in Kontakt tritt. Eine Stärke einer Synapse bzw. die Art der Synapse wird meist durch einen numerischen Wert bzw. dessen Vorzeichen dargestellt. Dieser Wert wird als Verbindungsgewicht bezeichnet.
5 Entsprechend dem biologischen Vorbild lässt sich ein Übertragungsverhalten bzw. das Abbildungsverhalten eines künstlichen Neurons wie in [1] beschrieben abbilden.
Gegenüber dem biologischen Vorbild ist die Nachbildung einer L0 Nervenzelle durch ein solches künstliches Neuron stark idealisiert und damit ungenau, d.h. das Übertragungsverhalten, welches sich durch das künstliche Neuron realisieren lässt, stimmt nicht bzw. nicht genau mit dem, welches die Nervenzelle aufweist, überein. .5
So werden beispielsweise bei [1] Wechselwirkungseinflüsse zwischen Nervenzellen, welche das Übertragungsverhalten einer Nervenzelle beein lussen, insbesondere zwischen einer erregenden und einer hemmenden Nervenzelle, bei der Idealisierung !0 durch ein künstliches Neuron nicht berücksichtigt.
Weitere Ausführungen zu künstlichen Neuronen und deren Funktionalität sind in [1] gegeben.
5 Ferner ist aus [2] bekannt, einzelne Neuronen miteinander zu verknüpfen. Ein solche Anordnung miteinander verknüpfter Neuronen wird als neuronales Netz bezeichnet. Grundlagen über neuronale Netze, beispielsweise verschiedene Arten von neuronalen Netzen, Trainingsverfahren für neuronale Netze, Bezüge
0 zu biologischen Nervenzellen-Anordnungen, sind in [2] beschrieben.
Aus [3] ist eine Anwendung eines Mean-Field Modells bei der Beschreibung eines komplexen Systems bekannt. Bei einem Mean- 5 Field Modell werden stochastische Wechselwirkungseinflüsse zwischen Komponenten eines Systems durch einen mittleren Wechselwirkungseinfluss genähert. Damit lassen sich analy- tisch nicht beschreibbare, stochastische Systeme auf beschreibbare, deterministische Systeme reduzieren.
Aus [4] ist die Anwendung des Mean-Field Modells bei der Be- Schreibung einer Neuronenstruktur bekannt.
Aus [5] sind Grundlagen einer funktioneilen Kernspintomographie bzw. fMRI-Technologie, welche eine Weiterentwicklung der bekannten Magnetresonanztomographie ist, bekannt.
Die bisher bekannte Magnetresonanztomographie (auch Kernspintomographie, kurz: MR) ist ein bildgebendes Verfahren, welches Schnittbilder vom menschlichen Körper ohne Einsatz belastender Röntgenstrahlen erzeugt. Stattdessen macht sie sich das Verhalten des Körpergewebes in einem starken Magnetfeld zu Nutze. Krankhafte Veränderungen des Körpergewebes, beispielsweise im Gehirn oder Rückenmark, können damit erkannt werden.
Funktionelle Störungen im Körpergewebe, insbesondere im Gehirn eines Patienten, können allerdings mit der herkömmlichen Magnetresonanztomographie nicht erkannt werden.
Dieses leistet die funktionelle Kernspintomographie bzw. fMRI-Technologie.
Mittels der fMRI-Technik kann indirekt die neuronale Aktivität in Arealen des Gehirns eines Patienten gemessen werden. Gemessen wird das sogenannte BOLD-Signal (Blood Oxygenation Level Dependent) in einzelnen Arealen des Gehirns, welches im Zusammenhang mit der neuronalen Aktivität in den jeweiligen Arealen steht.
Das Ergebnis solcher fMRI-Messungen zeigt den Verlauf der Ak- tivität der einzelnen Areale über einen gewissen Zeitraum, beispielsweise während kognitiver Abläufe als Resultat bestimmter Wahrnehmungsprozesse oder motorischer Aufgaben. Funktionelle Störungen im Gehirn sind somit implizit in den gemessenen fMRI-Signalen enthalten.
Unter Verwendung mathematischer Verfahren werden die fMRI- 5 Messungen analysiert und dadurch unmittelbar Rückschlüsse auf funktionelle Störungen in einem Gehirn und deren Ursachen gewonnen.
Diesen Analyseverfahren liegen meist mathematische Modelle L0 des Gehirns, der Neuronenstrukturen im Gehirn und deren (Ü- bertragungs-) Verhalten zugrunde.
Die zur Zeit bekannten und verwendeten Analyseverfahren weisen meist den Nachteil auf, dass sie unzureichend genau sind .5 und damit gegebenenfalls zu falschen Rückschlüssen bei einer Diagnose führen und/oder ineffizient sind, d.h. zu langsam und zu aufwendig bei der Anwendung des jeweiligen Analyseverfahrens sind.
0 Dieser Nachteil bei den meisten bekannten Verfahren lässt sich in der Regel darauf zurückführen, dass eine bei diesen Verfahren zugrunde gelegte Modellierung der Neuronenstrukturen im Gehirn, insbesondere der Modellierung eines Neurons sowie dessen Verhalten, nur unzureichend mit dem biologischen
5 Vorbild bzw. Realität übereinstimmt.
Aus [6] ist ein Software-Tool für ein fMRI-Analyseverfahren, eine „fmri.pro , bekannt. Aus [7] ist ein Gerät zur Durchführung der fMRI-Technik bekannt.
0
Somit ist die Aufgabe der Erfindung, eine Anordnung sowie ein zugehöriges Verfahren anzugeben, mit welchen die Funktionalität, insbesondere das Übertragungsverhalten, einer Nervenzelle besser, d.h. mit höherer Genauigkeit und Übereinstimmung
5 mit dem biologischen Vorbild, nachbildbar ist als dieses mit der Nachbildung durch das bekannte künstliche Neuron ist. Diese Aufgabe wird durch das Verfahren sowie durch die Anordnung mit den Merkmalen gemäß dem jeweiligen unabhängigen Patentanspruch gelöst.
5 Die Anordnung mit künstlichen Neuronen zur Beschreibung eines Übertragungsverhalten einer erregenden Nervenzelle, durch welches Übertragungsverhalten eine externe und eine interne synaptische Aktivität in eine Aktionspotentialaktivität umgesetzt wird, weist auf: .0 -. ein erstes künstliches Neuron, welches die erregende Nervenzelle beschreibt, mit einem ersten Eingang zur Zuführung eines ersten Eingangssignals, welches der externen synaptischen Aktivität entspricht, mit einem zweiten Eingang zur Zuführung eines zweiten Eingangssignals, welches .5 der internen synaptischen Aktivität entspricht, sowie mit einem Ausgang zur Abführung eines AusgangsSignals, welches der Aktionspotentialaktivität entspricht,
- ein über den zweiten Eingang mit dem ersten künstlichen Neuron verbundenen zweiten künstlichen Neurons, welches
!0 eine hemmende Nervenzelle beschreibt, welches zweite künstliche Neuron das zweite Eingangssignal des ersten künstlichen Neurons erzeugt.
Bei dem Verfahren zur Ermittlung eines Übertragungsverhalten !5 einer erregenden Nervenzelle, durch welches Übertragungsverhalten eine externe und eine interne synaptische Aktivität in eine Aktionspotentialaktivität umgesetzt wird, werden unter Verwendung künstlicher Neuronen folgende Schritte durchgeführt : !0 - an ein erstes künstliches Neuron, welches die erregende Nervenzelle beschreibt, wird an einem ersten Eingang ein erstes Eingangssignal, welches der externen synaptischen Aktivität 'entspricht, zugeführt,
- an einem zweiten Eingang des ersten künstlichen Neurons
!5 wird ein zweites Eingangssignal, welches der internen synaptischen Aktivität entspricht und welches von einem über den zweiten Eingang mit dem ersten künstlichen Neuron ver- bundenen zweiten künstlichen Neurons, welches eine hemmende Nervenzelle beschreibt, erzeugt wird, zugeführt wird, - an einem Ausgang des ersten künstlichen Neurons wird ein Ausgangssignal, welches der Aktionspotentialaktivität ent- spricht, abgeführt, unter Verwendung des ersten und des zweiten Eingangssignals und des Ausgangssignals wird das Übertragungsverhalten ermittelt.
Unter einem künstlichen Neuron ist bei der Erfindung ein Rechenelement zu verstehen, welches eine dem Rechenelement zugeführte Eingangsgröße unter Verwendung einer vorgebbaren Abbildung auf eine von dem Rechenelement abführbare Ausgangsgröße abbildet.
Die Abbildung kann sowohl eine lineare als auch eine nichtlineare Abbildung sein und beschreibt eine Funktion bzw. ein Übertragungsverhalten einer hemmenden oder einer erregenden Nervenzelle .
Auch kann bei der Erfindung die erregende und die hemmende Nervenzelle bzw. das erste und das zweite künstliche Neuron als Einheit betrachtet werden. Ein solche Einheit kann als „VoxelX bezeichnet werden.
Die Erfindung weist den besonderen Vorteil auf, dass sie die Beschreibung komplexer Nervenzellenstrukturen, wie sie im Gehirn auftreten, sowie deren komplexe Aktivitätsmuster auf besonderes einfache und genaue Weise ermöglicht. Damit ermög- lieh die Erfindung zuverlässige Rückschlüsse auf funktionelle Störungen von Nervenzellen bzw. Nervenzellenstrukturen.
Die erfinderische Anordnung ist insbesondere geeignet zur Durchführung des erfindungsgemäßen Verfahrens oder einer des- sen nachfolgend erläuterten Weiterbildungen. Bevorzugte, nicht triviale und erfinderische Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.
Die im weiteren beschriebenen Weiterbildungen beziehen sich sowohl auf das Verfahren als auch auf die Anordnung.
Die Erfindung und die im weiteren beschriebenen Weiterbildungen können sowohl in Software als auch in Hardware, beispielsweise unter Verwendung einer speziellen elektrischen Schaltung, realisiert werden.
Ferner ist eine Realisierung der Erfindung oder einer im weiteren beschriebenen Weiterbildung möglich durch ein computerlesbares Speichermedium, auf welchem ein Computerprogramm ge- speichert ist, welches die Erfindung oder die Weiterbildung ausführt.
Auch kann die Erfindung oder jede im weiteren beschriebene Weiterbildung durch ein Computerprogrammerzeugnis realisiert sein, welches ein Speichermedium aufweist, auf welchem ein
Computerprogramm gespeichert ist, welches die Erfindung oder die Weiterbildung ausführt.
Bei einer Weiterbildung der Erfindung wird das erste Ein- gangssignal von einem weiteren künstlichen Neuron, welches eine weitere erregende Nervenzelle beschreibt und welches ü- ber den ersten Eingang mit dem ersten künstlichen Neuron verbunden ist, erzeugt.
Bei einer weiteren strukturellen Weiterbildung weist das erste künstliche Neuron eine Eigenrückführung zur Selbsterregung durch ein Selbsterregungssignal auf, durch welche Eigenrückführung ein weiterer Ausgang des ersten künstlichen Neurons mit einem dritten Eingang des ersten künstlichen Neurons ver- bunden ist. Bei einer Beschreibung hochdimensionaler Nervenzellenstrukturen umfassend eine riesige Anzahl einzelner Nervenzellen, wie insbesondere im Gehirn, ist es zweckmäßig, dass die durch das erste künstliche Neuron beschriebene erregende Nervenzelle 5 eine Vielzahl von erregenden Nervenzellen repräsentiert, insbesondere eine Vielzahl von erregenden Nervenzellen des Gehirns oder in einem Areal des Gehirns.
Entsprechend ist es zweckmäßig, dass die durch das zweite O künstliche Neuron beschriebene hemmende Nervenzelle eine
Vielzahl von hemmenden Nervenzellen repräsentiert, insbesondere eine Vielzahl von hemmenden Nervenzellen des Gehirns o- der in einem Areal des Gehirns.
.5 In einem solchen Fall ist es möglich, dass die Vielzahl von erregenden Nervenzellen und die Vielzahl der hemmenden Nervenzellen demselben vorgegebenen Gehirnareal zugeordnet sind bzw. demselben Gehirnareal angehören.
!0 In der Regel werden derartig in einem Repräsentanten zusam- mengefasste und durch einen Repräsentanten beschriebene Nervenzellen als Population bezeichnet.
Dementsprechend ergibt sich eine hemmende Population, wenn 5 eine Vielzahl von hemmenden Nervenzelle zusammengefasst werden, bzw. eine erregende Population, wenn eine Vielzahl von erregenden Nervenzellen zusammengefasst werden. Eine aus einer erregenden und aus einer hemmenden Population zusammenge- fasste Einheit kann auch als Voxel gezeichnet werden. 0
Ferner ist es zweckmäßig, bei der Zusammenfassung von Nervenzellen zu einer Population ein Mean-Field Modell anzuwenden. Dadurch werden nicht mehr individuelle Wechselwirkungsein- flüsse zwischen einzelnen Nervenzellen berücksichtigt, son- 5 dern diese individuellen Wechselwirkungen durch eine gemit- telte Wechselwirkung genähert. Solches Mean-Field Modell kann aber auch schon bei der Beschreibung einer einzelnen Nervenzelle oder bei der Beschreibung eines einzelnen Voxels verwendet werden.
5 Bei der Beschreibung solcher hochdimensionalen Nervenzellenstrukturen, wie beispielsweise im Gehirn, werden ferner mindestens zwei, in der Regel aber mehrere, Voxel miteinander über Signalleitungen miteinander verbunden.
LO Eine Möglichkeit einer solchen Verbindung von zwei Voxel ist, dass das Ausgangssignal des ersten künstlichen Neurons des ersten Voxels als erstes Eingangssignal dem ersten künstlichen Neuron des zweiten Voxels sowie als ein weiteres Eingangssignal dem zweiten künstlichen Neuron des zweiten Voxels
L5 zugeführt wird.
Anschaulich gesehen sind in diesem Fall die erregende Nervenzelle des ersten Voxels sowohl mit der erregenden Nervenzelle als auch mit der hemmenden Nervenzelle des zweiten Voxels !0 verbunden.
Andere Verbindungsausgestaltungen sind aber möglich.
Zur Verbesserung der Genauigkeit der Beschreibung des biolo- 5 gischen Vorbildes ist es zweckmäßig, bei der Beschreibung der erregenden und der hemmenden Nervenzelle durch das jeweilige künstliche Neuron nichtlineare Abbildungen vorzusehen.
So ist es zweckmäßig, durch Messungen am biologischen Vor- 0 bild, d.h. an einer realen erregenden oder einer realen hemmenden Nervenzelle, jeweilige Eingangs- und Ausgangsnerven- signale zu ermitteln, beispielsweise durch Stromfrequenzrela- tionsmessungen, daraus die entsprechende Abbildung zu extrahieren und diese bei der Beschreibung der jeweiligen Nerven- 5 zelle zu verwenden. Auch kann diese Abbildung unter Verwendung eines physiologischen und/oder neuroanatomischen Vorwissens festgelegt werden.
Auch ist es sinnvoll, weil biologisch stimmig, für eine Abbildung einen differenziellen Ansatz, d.h. einen zeitvarian- ten Ansatz, vorzusehen, beispielsweise dergestalt:
wobei mit: τ eine Zeitkonstante d/dt eine Ableitung nach einer Zeitvariablen t a,b ein Index für eine Nervenzelle oder für eine Popu- lation m eine „spikende* Aktivität h eine synaptische Aktivität g(.') eine Abbildungsvorschrift bezeichnet wird.
Zur Verbesserung der Genauigkeit der Beschreibung des biologischen Vorbildes ist es auch zweckmäßig die Eingangsignale und/oder das Ausgangssignal der künstlichen Neuronen unter Verwendung von Gewichten bzw. Gewichtswerten zu gewichten.
Durch solche Gewichte, welche unter Verwendung eines physiologischen und/oder neuroanatomischen Vorwissens festgelegt werden können, lässt sich eine Nervenleitung, insbesondere eine synaptische Übertragung, bei dem biologischen Vorbild nachbilden, beispielsweise die Übertragung eines Nervensig- nals von einem Axon einer Nervenzelle über eine Synapse auf ein Dendrit einer nachfolgenden Nervenzelle.
Bei einer Weiterbildung der Erfindung werden im Rahmen einer Idealisierung bei der Nachbildung des biologischen Vorbilds alle Gewichte als gleich und/oder zeitinvariant ansetzt. In einer Weiterbildung der Erfindung wird das Ausgangsignal, welches einem Aktionspotential oder einer „spikenden* Aktivität bei dem biologischen Vorbild entspricht, derart weiterbe- 5 arbeitet, dass eine Anzahl und/oder eine Statistik von Aktionspotentialen aus dem Ausgangssignal ermittelt wird.
Damit sind unmittelbar Rückschlüsse auf einen Grad bzw. Höhe einer Aktivität der durch die Weiterbildung beschriebenen LO Nervenzelle, d.h. einer neuronalen Aktivität der Nervenzelle, möglich.
Bei einer Weiterbildung wird die Erfindung eingesetzt bei einer funktioneilen Kernspintomographie (fMRI) . Bei dieser Wei-
L5 terbildung wird bei einem Patienten eine Gehirnaktivität für einen vorgegebenen Aktivierungszustand, seines Gehirns ermittelt derart, dass der Aktivierungszustand durch ein Blood 0- xygenation Level Dependent-Signal (BOLD-Signal) beschrieben wird, welches bei der fMRI gemessen wird, und für das BOLD-
!0 Signal als das erste Eingangssignal unter Verwendung der Erfindung das Ausgangssignal ermittelt wird, welches die Gehirnaktivität repräsentiert.
Ein Ausführungsbeispiel der Erfindung ist in Figuren darge- 5 stellt und wird im weiteren erläutert.
Es zeigen
Figur 1 Schematische Darstellung einer Nervenleitung in ei- 0 nem Voxel gemäß einem Ausführungsbeispiel,
Figur 2 Schematische Darstellung eines Aufbaus einer Nervenzelle,
5 Figur 3 Gerät zur Durchführung einer fMRI gemäß einem Ausführungsbeispiel, Figur 4 Schematische Darstellung einer Nervenleitung in einem künstlichen Voxel gemäß einem Ausführungsbei- spiel,
5 Figur 5 Schematische Darstellung von Schritten bei einer Nervenleitung in einem Voxel gemäß einem Ausfüh- rungsbeispiel,
Figur 6 Schematisehe Darstellung einer Nervenleitung in LO zwei miteinander verknüpften Voxel gemäß einem Ausführungsbeispiel,
Figur 7 Schematische Darstellung eines Übertragungsverhalten eines Voxels gemäß einem Ausführungsbeispiel L5 anhand eines Eingangssignals und eines Ausgangssignals, welche das Übertragungsverhalten des Voxels beschreiben.
Ausführungsbeispiel: funktionelle Kernspintomographie
10
Fig.3 zeigt ein Gerät 300 zur Durchführung einer funktionel- len Kernspintomographie bzw. Magnetresonanztomographie (kurz fMRI), einen funktioneilen Kernspintomograph bzw. Magnetresonanz-Tomograph 300.
!5
Aus [5] sind Grundlagen der fMRI-Technologie, welche eine Weiterentwicklung der bekannten Magnetresonanztomographie ist, bekannt.
10 Der Kernspintomograph 300 weist eine geschlossen Röhre 310 auf, welche derart in einen Magneten 320 eingelagert ist, dass dieser ein starkes Magnetfeld in der Röhre 310 erzeugt.
Ferner weist der Kernspintomograph 300 einen in die Röhre 310 5 einfahrbaren Patiententisch 330, auf welchem ein Patient bei einer Untersuchung gelagert wird. Darüber hinaus weist der Kernspintomograph 300 eine Steuereinrichtung 331 auf, welche eine Kontrolle und Steuerung des Patiententisches 330 bei der Untersuchung, beispielsweise ein kontrolliertes Einfahren des Patiententisches 330 in die Röh- 5 re 320, ermöglicht.
Als weitere Komponenten weist der Kernspintomograph 300 eine Messvorrichtung 340 zur Messung eines BOLD-Signals (Blood 0- xygenation rLevel Dependent), eine zugehörige Auswertevorrich-
LO tung 341 zur Auswertung des gemessenen BOLD-Signals, in diesem fall ein Hochleistungscomputer, sowie eine Bedien- bzw. Interaktionsvorrichtung 342 für ein Bedienpersonal wie auch eine Anzeigevorrichtung 343 zur Anzeige eines Untersuchungs- ergebnisses, auf.
L5
Die Komponenten des Kernspintomograph 300 sind funktioneil miteinander verbunden, beispielsweise über Signal- oder Datenleitungen, über die Daten und Signale übertragbar sind.
20 Mit dem in Fig.3 dargestellten funktioneilen Kernspintomographen 300 kann auf Grundlage der fMRI-Technik die neuronale Aktivität in Arealen des Gehirns eines Patienten gemessen werden.
25 Gemessen wird dazu mittels der Messvorrichtung 340 das BOLD- Signal (Blood Oxygenation Level Dependent) in einzelnen Arealen des Gehirns des Patienten, welches im Zusammenhang mit der neuronalen Aktivität in den jeweiligen Arealen steht.
0 Das Ergebnis solcher fMRI-Messungen zeigt den Verlauf der Aktivität der einzelnen Areale über einen gewissen Zeitraum, beispielsweise während kognitiver Abläufe als Resultat bestimmter Wahrnehmungsprozesse oder motorischer Aufgaben, welche vom Patienten während einer Untersuchung durchzuführen 5 sind. Funktionelle Störungen im Gehirn des Patienten sind somit implizit in den gemessenen fMRI-Signalen enthalten. Unter Verwendung der Auswertevorrichtung 341, welche ein entsprechendes Analyseverfahren zur Verfügung stellt bzw. durchführt, werden die fMRI-Messungen, d.h. die in einzelnen Arealen des Gehirns gemessenen BOLD-Signale, analysiert, dadurch die Gehirnaktivität in Form von entsprechenden Aktivierungsmuster in den untersuchten Arealen im Gehirn ermittelt und daraus unmittelbar Rückschlüsse auf funktionelle Störungen im Gehirn und deren Ursachen gewonnen.
Dem von der Auswertevorrichtung 340 zur Verfügung gestellten Analyseverfahren liegt ein Modell des Gehirns, der Neuronen- strukturen im Gehirn und deren (Übertragungs-) Verhalten zugrunde, auf dessen Basis das gemessene BOLD-Signal analysiert und ausgewertet wird.
Grundlagen des Analyseverfahrens sowie das Modell des Gehirns, der Neuronenstrukturen im Gehirn und deren (Übertragungs-) Verhalten werden nachfolgend bebildert durch Figuren 1 und 4 erläutert.
Die Ergebnisse bzw. die Rückschlüsse einer Untersuchung werden auf der Anzeigevorrichtung 343 dargestellt und können mittels der Bedien- und Interaktionsvorrichtung 342 in Verbindung mit der Auswertevorrichtung 341 weiterbearbeitet wer- den.
Grundlagen der Auswerteverfahren
Im allgemeinen gilt für die verwendeten Figuren, dass eine Fliessrichtung eines Signals in einer Signalleitung, beispielsweise eine Fliessrichtung eines Nervensignals in einer Nervenleitung, durch eine Pfeilrichtung gekennzeichnet ist.
Fig.l zeigt eine Grundstruktur 100 einer komplexen, eine rie- sige Anzahl von einzelnen miteinander verknüpften Nervenzellen umfassende Nervenzellenstruktur im Gehirn. Bei dieser Grundstruktur 100, einem Voxel, ist eine erregende Nervenzelle 101 mit einer hemmenden Nervenzelle 102 über eine erste 103 und zweite Nervenleitung 104 verbunden derart, dass Nervensignale der hemmenden Nervenzelle 102 in die erregende 5 Nervenzelle 101 übertragbar und Nervensignale der erregenden Nervenzelle 101 in die hemmende Nervenzelle 101 übertragbar sind.
Ferner weist die erregende Nervenzelle 101 eine dritte Ner- 0 venleitung 105 (Dendrit) auf, mittels welcher Nervensignale einer weiteren Nervenzelle eines weiteren Voxels in die erregende Nervenzelle 101 übertragbar sind (post-synaptische Aktivität h) .
5 Auch weist die erregende Nervenzelle 101 eine vierte Nervenleitung 106 (Axon) auf, mittels welcher Nervensignale von der erregenden Nervenzelle 101 in eine zweite weitere Nervenzelle eines zweiten weiteren Voxels übertragbar sind (spikende Aktivität M) .
:0
Ferner weisen die erregende Nervenzelle 101 und die hemmende Nervenzelle 102 jeweils eine selbsterregende Nervenleitung 107 und 108 auf.
:5 Jeder Nervenleitung 103 bis 108 ist ein Gewicht w (wl bis w6; 111 bis 116) zugeordnet, welches eine synaptische Übertragung des jeweiligen Nervensignals repräsentiert.
In Fig.4 ist das entsprechende Voxel-Modell 400 des in Fig.l 10 dargestellten Voxels 100 dargestellt.
Sich in ihrem Wesen, ihrem Aufbau und ihrer Funktion entsprechende biologische und zugehörige modellierte Komponenten weisen das gleiche Bezugszeichen auf. 55
Bei diesem Voxel-Modell 400 ist ein erstes künstliches Neuron 101 mit einem zweiten künstlichen Neuron 102 über eine erste 103 und zweite Signalleitung 104 verbunden derart, dass Signale des zweiten künstlichen Neurons 102 in das erste künstliche Neuron 101 übertragbar und Signale des ersten künstlichen Neurons 101 in das zweite künstliche Neuron 101 über- 5 tragbar sind.
Ferner weist das erste künstliche Neuron 101 eine dritte Signalleitung 105 auf, mittels welcher Signale eines weiteren künstlichen Neurons eines weiteren Voxels in das erste künst- L0 liehe Neuron 101 übertragbar sind (post-synaptische Aktivität h) .
Auch weist das erste künstliche Neuron 101 eine vierte Signalleitung 106 auf, mittels welcher Signale von dem ersten L5 künstlichen Neuron 101 in ein zweites weiteres künstliches Neuron eines zweiten weiteren Voxels übertragbar sind (spi- kende Aktivität M) .
Jeder Signalleitung 103 bis 106 ist ein Gewicht w (wl bis 20 w4; 111 bis 114) zugeordnet, welches eine synaptische Übertragung des dem jeweiligen Signal zugrundeliegenden Nervensignals repräsentiert.
In Fig.5 ist eine Auflistung 500 von Schritten 501 bis 504, 25 welche bei der biologischen Grundstruktur 100 sowie bei dem Voxel-Modell 400 ablaufen bzw. durchgeführt werden, dargestellt.
In einem ersten Schritt 501 wird einem Neuron, welches die 30 erregende Nervenzelle beschreibt, an einem ersten Eingang ein erstes Eingangssignal, welches der externen synaptischen Aktivität entspricht, zugeführt.
In einem zweiten Schritt 502 wird an einem zweiten Eingang 35 des ersten Neurons ein zweites Eingangssignal, welches der internen synaptischen Aktivität entspricht und welches von einem über den zweiten Eingang mit dem ersten Neuron verbun- denen zweiten Neurons, welches eine hemmende Nervenzelle beschreibt, erzeugt wird, zugeführt.
In einem dritten Schritt 503 wird an einem Ausgang des ersten 5 Neurons ein Ausgangssignal, welches der Aktionspotentialaktivität entspricht, abgeführt.
In einem vierten Schritt 504 wird unter Verwendung des ersten und des zweiten Eingangssignals und des Ausgangssignals ein .0 Übertragungsverhalten der biologischen Grundstruktur 100 bzw. Voxels bzw. des Modells 400 ermittelt.
In Fig.6 ist eine Verknüpfung von zwei Voxel bzw. Voxel- Modellen 120 und 121 gemäß dem Voxel 100 bzw. dem Voxel- .5 Modell 400 dargestellt.
Sich in ihrem Wesen, ihrem Aufbau und ihrer Funktion entsprechende biologische und zugehörige modellierte Komponenten weisen jeweils gleiche Bezugszeichen gemäß Fig.l und Fig.4 !0 auf.
Die zwei Voxel bzw. Voxel-Modelle 120 und 121 sind derart miteinander verknüpft, dass die erregende Nervenzelle 101 des ersten Voxels 120 sowohl mit der erregenden Nervenzelle 122 5 des zweiten Voxels 121 als auch mit der hemmenden Nervenzelle 123 des zweiten Voxels 121 über Leitungen 106 und 110 verbunden ist.
Zusätzliche Leitungen 107 bis 109 sowie zusätzliche Gewichte 30 115 bis 118 sind dargestellt. Für sie gilt obiges entsprechend.
Für die im Vorherigen beschriebenen Voxel bzw. Voxel-Modelle (Figuren 1,4 und 6) lassen sich folgende, im Rahmen der Ana- 35 lyseverfahren zur Analyse des BOLD-Signals verwendete funktionale Zusammenhänge angeben: Den nachfolgenden funktionalen Zusammenhängen liegen folgende nicht einschränkende Annahmen zugrunde. Diese Annahmen sind nicht einschränkend, sondern dienen lediglich einer Vereinfachung komplexer Zusammenhänge. Grundsätzliche Gesichtspunkte der Erfindung werden durch sie nicht berührt.
Annahme 1: Den Nervenzellenstrukturen wurden Zusammenhänge gemäß dem Mean-Field Modell, wie es in [3] und [4] ist, zugrunde gelegt.
Annahme 2: Alle Gewichte werden als gleich groß und zeitinvariant angenommen. Gewichte von Leitungen, welche Ausgangssignale von erregenden Neuronen übertragen, sind positiv. Gewichte von Leitungen, welche Ausgangssignale von hemmenden Neuronen übertragen, sind negativ.
Folgende Bezeichnungen werden verwendet:
e erregendes Neuron i hemmendes Neuron
1,2 Index für Voxel 1 oder Voxel 2 a,b Index für eine Population 1 oder Population 2 w Gewicht h synaptische Aktivität, dynamischer Fall
H synaptische Aktivität, stationärer Fall
M bzw. m spikende Aktivität (M: stationär; m: dynamischer Fall) τ Zeitkonstante d/dt Ableitung nach einer Zeitvariablen t g(.) Abbildungsvorschrift
Es gilt: τ — ma = -ma + ga(ha) , dt ha = ∑wabmb b
Ma = g(∑wabMb) b wirksame synaptische Aktivität : ∑ |h| wirksame spikende Aktivität : me + m-^
Voxel 1 :
Mel = g<hl - wMil) MÜ = g(wMel )
hx + T(w - 1)
Mel = — ö
1 + w
stationäre Lösung für Voxel 1 (T = 0)
Mel = ^2
1 + w
Voxel 2 :
Me2 = g(h2 +"wMe! - wMü)
Mi2 = g(wMe2 + wMei) w2 - n2 + 2wMe! + wMe2 + Mi2
Hθ2 = h2 + wMel Hi2 = wMeι
He - wHi
Me2 = ö-
1 + wz
stationäre Lösung für Voxel 2 (T = 0)
! „ w(l - w) . , θ2 = ^- (h2 + h l + wΔ 1 + w
Mi2 = ^(h2 + hl)
1 + w 1 + w^
Analyse eines gemessenen BOLD-Signals:
Bei einer Untersuchung eines ausgewählten Gehirnareals auf funktionale Störungen wird das für dieses Areal gemessene BOLD-Signal oben beschriebenem Modell als synaptische Aktivität (He2+Hi2) zugeführt.
Unter Verwendung des Modells wird daraus die entsprechende spikende Aktivität Me2 als unmittelbare Größe für die neuronale Aktivität in dem ausgewählten Gehirnareal ermittelt.
In Fig.7 sind beispielhaft ein erster und zweiter Zeitverlauf 701 und 702 eines solchen BOLD-Signals für ein erstes und ein zweites Gehirnareal zusammen mit dem ersten und dem zweiten zugehörigen Zeitverlauf 711 und 712 der daraus ermittelten ersten und zweiten spikenden Aktivität bzw. des entsprechenden ersten und zweiten neuronalen Aktivitätsmusters darge- stellt. Aus dem Signalverlauf der spikenden Aktivität Me2 bzw. aus dem durch den Signalverlauf erzeugten Aktivitätsmuster in einem Gehirnareal sind funktionelle Störungen in diesem Areal erkennbar.
Im Rahmen dieses Dokuments sind folgende Veröffentlichungen zitiert:
[1] Zeil, A., "Simulation Neuronaler Netze", S. 35 bis 51, 5 S. 55 bis 86, Addison-Wesley Lon'gman Verlag GmbH, 1994, 3. Unveränderter Nachdruck, R. Oldenbourg Verlag, ISBN 3-486-24350-0, 2000
[2] Zeil, A., "Simulation Neuronaler Netze", S. 87 bis 114, L0 Addison-Wesley Longman Verlag GmbH, 1994, 3. Unveränderter Nachdruck, R. Oldenbourg Verlag, ISBN 3-486- 24350-0, 2000
[3] J. J. Binney, N. J. Dowrick, A. J. Fisher, M. E. J. New- L5 man, „The Theory of Critical Phenomena* , Kap. 6: Mean- Field Theory, Clarendon Press Oxford 1992
[4] C. Koch, I. Segev (Hrsg), „Methods of Neural Modeling: From Ions to Networks*, Kap 13: D. Hansel and H. Sompo- .0 linsky: „Modeling Feature Selectivity in Local Circu- its", MIT Press, Cambridge, 1998
[5] A. W. Toga and J. C. Maziotta (Hrsg), „Brain Mapping:
The Methods*, Kap 9: M. S. Cohen: „Rapid MRI and Functi- .5 onal Applications", Acade ic Press 1996
[6] Beschreibung für eine Software „fmri.pro" zur quantitativen fMRI-Analyse, erhältlich am 07.09.2001, unter http: //www.med. uni-muenchen.de/radin/html/ 30 arbeitsgruppen/fmri/ccfmri .html
[7] Beschreibung fMRI - Gerät, erhältlich am 07.09.2001, unter http: //www. unipublic.unizh.ch/campus/uni-news/ 2001/0147/fmri.html 35

Claims

Patentansprüche
1. Anordnung mit künstlichen Neuronen zur Beschreibung eines Übertragungsverhalten einer erregenden Nervenzelle, durch welches Übertragungsverhalten eine externe und eine interne synaptische Aktivität in eine Aktionspotentialaktivität umgesetzt wird,
- mit einem ersten künstlichen Neuron, welches die erregende Nervenzelle beschreibt, mit einem ersten Eingang zur Zu- führung eines ersten Eingangssignals, welches der externen synaptischen Aktivität entspricht, mit einem zweiten Eingang zur Zuführung eines zweiten Eingangssignals, welches der internen synaptischen Aktivität entspricht, sowie mit einem Ausgang zur Abführung eines Ausgangssignals, welches der Aktionspotentialaktivität entspricht,
- mit einem über den zweiten Eingang mit dem ersten künstlichen Neuron verbundenen zweiten künstlichen Neurons, welches eine hemmende Nervenzelle beschreibt, welches zweite künstliche Neuron das zweite Eingangssignal des ersten künstlichen Neurons erzeugt.
2. Anordnung nach Anspruch 1, bei der das erste Eingangssignal von einem weiteren künstlichen Neuron, welches eine weitere erregende Nervenzelle be- schreibt und welches über den ersten Eingang mit dem ersten künstlichen Neuron verbunden ist, erzeugt wird.
3. Anordnung nach einem der vorangehenden Ansprüche, bei der das erste künstliche Neuron eine Eigenrückführung zur Selbsterregung durch ein Selbsterregungssignal aufweist, durch welche Eigenrückführung ein weiterer Ausgang des ersten künstlichen Neurons mit einem dritten Eingang des ersten künstlichen Neurons verbunden ist.
4. Anordnung nach einem der vorangehenden Ansprüche, bei dem die durch das erste künstliche Neuron beschriebene erregende Nervenzelle eine Vielzahl von erregenden Nervenzel- len repräsentiert und/oder die durch das zweite künstliche Neuron beschriebene hemmende Nervenzelle eine Vielzahl von hemmenden Nervenzellen repräsentiert.
5 5. Anordnung nach Anspruch 4, bei der die Vielzahl von erregenden Nervenzellen und die Vielzahl der hemmenden Nervenzellen einem vorgegebenen Gehirnareal zugeordnet sind.
.0 6. Anordnung nach einem der vorangehenden Ansprüche, bei der die Eingangsignale und/oder das Ausgangssignal ge- wichtet werden, wobei die Gewichtungen jeweils einer synaptischen Übertragung entsprechen.
L5 7. Anordnung nach Anspruch 6, bei der alle Gewichte gleich sind.
8. Anordnung nach Anspruch 6 oder 7, bei der alle Gewichte zeitinvariant sind. 20
9. Anordnung nach einem der vorangehenden Ansprüche, bei dem das Ausgangsignal derart weiterbearbeitet wird, dass eine Anzahl und/oder eine Statistik von Aktionspotentialen ermittelt wird. 5
10. Anordnung nach einem der vorangehenden Ansprüche, bei der dem Übertragungsverhalten ein Mean-Field Modell zugrundegelegt wird.
0 11. Anordnung nach einem der vorangehenden Ansprüche, bei der das erste Eingangssignal ein Blood Oxygenation Level Dependent-Signal (BOLD-Signal) ist.
12. Anordnung nach Anspruch 11, 5 eingesetzt zur Ermittlung einer Gehirnaktivität für einen vorgegebenen Aktivierungszustand eines Gehirns derart, dass der Aktivierungszustand durch das BOLD-Signal beschrieben wird und für das BOLD-Signal als das erste Eingangssignal das Ausgangssignal ermittelt wird, welches die Gehirnaktivität repräsentiert.
13. Anordnung nach Anspruch 11 oder 12, eingesetzt bei einer funktiόnellen Kernspintomographie (fMRI) derart, dass das BOLD-Signal ermittelt, als das erste Eingangssignal verwendet und für das BOLD-Signal als das erste Eingangssignal das Ausgangssignal ermittelt wird, welches die Gehirnaktivität repräsentiert.
14. Verfahren zur Ermittlung eines Übertragungsverhalten einer erregenden Nervenzelle, durch welches Übertragungsverhalten eine externe und eine interne synaptische Aktivität in eine Aktionspotentialaktivität- umgesetzt wird, unter Verwendung künstlicher Neuronen mit folgenden Schritten:
- an ein erstes künstliches Neuron, welches die erregende Nervenzelle beschreibt, wird an einem ersten Eingang ein erstes Eingangssignal, welches der externen synaptischen Aktivität entspricht, zugeführt,
- an einem zweiten Eingang des ersten künstlichen Neurons wird ein zweites Eingangssignal, welches der internen synaptischen Aktivität entspricht und welches von einem über den zweiten Eingang mit dem ersten künstlichen Neuron ver- bundenen zweiten künstlichen Neurons, welches eine hemmende Nervenzelle beschreibt, erzeugt wird, zugeführt wird,
- an einem Ausgang des ersten künstlichen Neurons wird ein Ausgangssignal, welches der Aktionspotentialaktivität entspricht, abgeführt, unter Verwendung des ersten und des zweiten Eingangssignals und des Ausgangssignals wird das Übertragungsverhalten ermittelt.
EP02774330A 2001-09-12 2002-09-11 Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle Withdrawn EP1425679A2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10144920 2001-09-12
DE10144920 2001-09-12
PCT/DE2002/003381 WO2003023642A2 (de) 2001-09-12 2002-09-11 Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle

Publications (1)

Publication Number Publication Date
EP1425679A2 true EP1425679A2 (de) 2004-06-09

Family

ID=7698770

Family Applications (1)

Application Number Title Priority Date Filing Date
EP02774330A Withdrawn EP1425679A2 (de) 2001-09-12 2002-09-11 Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle

Country Status (4)

Country Link
US (1) US20040234508A1 (de)
EP (1) EP1425679A2 (de)
JP (1) JP2005502147A (de)
WO (1) WO2003023642A2 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10342274B4 (de) * 2003-09-12 2007-11-15 Siemens Ag Identifizieren pharmazeutischer Targets
DE10344345B3 (de) * 2003-09-24 2005-05-12 Siemens Ag Verfahren zur Kommunikation in einem Adhoc-Funkkommunikationssystem
JP2014522283A (ja) * 2011-06-09 2014-09-04 ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サイエンシズ エージェントベース脳モデル及び関連方法
JP6516321B2 (ja) * 2015-02-09 2019-05-22 学校法人日本大学 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法
CN108711351A (zh) * 2018-06-27 2018-10-26 兰州交通大学 基于fpga的电子突触实验平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4906940A (en) * 1987-08-24 1990-03-06 Science Applications International Corporation Process and apparatus for the automatic detection and extraction of features in images and displays

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO03023642A2 *

Also Published As

Publication number Publication date
WO2003023642A3 (de) 2003-08-14
JP2005502147A (ja) 2005-01-20
WO2003023642A2 (de) 2003-03-20
US20040234508A1 (en) 2004-11-25

Similar Documents

Publication Publication Date Title
DE69526823T2 (de) Gerät und Verfahren zum Analysieren von Information in Bezug auf physikalischen und geistigen Zustand
EP1527407A2 (de) Verfahren sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur analyse einer wirksamkeit eines pharmazeutischen präparats
EP1456798A2 (de) Auswerten von mittels funktionaler magnet-resonanz-tomographie gewonnenen bildern des gehirns
WO2003023642A2 (de) Anordnung mit künstlichen neuronen zur beschreibung eines übertragungsverhaltens einer erregenden nervenzelle
EP1252566B1 (de) Anordnung miteinander verbundener rechenelemente und verfahren zur rechnergestützten ermittlung eines zweiten zustands eines systems in einem ersten zustandsraum aus einem ersten zustand des systems in dem ersten zustandsraum
DE10121802A1 (de) Verfahren zur Bilderzeugung bei einem Kernspintomographie-Gerät und Kernspintomographie-Gerät
DE19913547C2 (de) Verfahren zur Nachbildung der von Gradientenspulen eines Kernspinresonanzgeräts erzeugten elektrischen Stimulationen in einem Untersuchungsobjekt und Vorrichtung zur Durchführung des Verfahrens
DE102019204118A1 (de) Verfahren zum Übertragen eines Merkmals eines ersten Bilds an ein zweites Bild
EP1175865B1 (de) Kardiologisches Geräteimplantat ausgestattet mit einem Auswerteverfahren zur Bestimmung der zeitlichen Stationarität gemessener kardiologischer Signale
DE10254606B4 (de) Verfahren und Vorrichtung zur schnellen Verarbeitung von Messdaten mit einer Vielzahl unabhängiger Stichproben
DE102021210303A1 (de) Verfahren zur modalen Analyse und Optimierung von Resonanzeigenschaften in einem elektromechanischen Produkt
DE10056825C2 (de) Verfahren, Vorrichtung und Computerprogramm zum Erzeugen eines Zufallstestcodes
WO2004021026A1 (de) Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln zur analyse von neuronalen aktivitäten in neuronalen arealen
EP0978052B1 (de) Rechnergestütztes verfahren zur auswahl von trainingsdaten für ein neuronales netz
DE102018203784A1 (de) Verfahren zur Ermittlung einer örtlichen Konzentrationsverteilung von magnetischen Partikeln, System zur visuellen Darstellung von MPI-Bilddaten
EP1145190B1 (de) Anordnung miteinander verbundener rechenelemente, verfahren zur rechnergestützten ermittlung einer dynamik, die einem dynamischen prozess zugrunde liegt und verfahren zum rechnergestützten trainieren einer anordnung miteinander verbundener rechenelemente
EP1527406A2 (de) Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur analyse von neuronalen aktivit ten in neuronalen arealen
DE112022003672T5 (de) Modellieren des herzens eines subjekts
WO2021180663A1 (de) Mikroskopiesystem und verfahren zum verarbeiten von mikroskopbildern
EP1114398B1 (de) Verfahren zum trainieren eines neuronalen netzes, verfahren zur klassifikation einer folge von eingangsgrössen unter verwendung eines neuronalen netzes, neuronales netz und anordnung zum trainieren eines neuronalen netzes
WO2004021244A2 (de) Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur analyse von neuronalen aktivitäten in neuronalen arealen
AT527911B1 (de) Verfahren zum Bestimmen eines Alterungszustands und/oder eines Innenwiderstands einer Batterie
DE102019117839A1 (de) Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Datenverarbeitung in einem Fahrzeug und Fahrzeug
EP1071985B1 (de) Softwarekomponente für ein diagnosesystem mit assistentenunterstützter projektierung
DE212005000005U1 (de) Vorrichtung zur adaptiven Datenanalyse

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20040213

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR IE IT LI LU MC NL PT SE SK TR

17Q First examination report despatched

Effective date: 20041209

17Q First examination report despatched

Effective date: 20041209

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20070413