基于條件互信息的動態貝葉斯法探明生物神經元網絡連接結構

任婧雯，董朝軼，朱美佳，白鵬輝，趙肖懿，馬爽，賈婷婷

1.內蒙古工業大學電力學院，內蒙古呼和浩特010080；2.內蒙古機電控制重點實驗室，內蒙古呼和浩特010051

前言

大腦的連接結構錯綜復雜，是迄今為止人類已知最為復雜的系統之一，為了進一步探明大腦連接結構并深入研究與大腦相關的生理與病理功能，多種探究腦網絡的技術手段，如腦電圖（Electroencephalograph,EEG）［1］，腦磁圖（Magnetoencephalograph, MEG）［2-3］，功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）［4］，雙光子顯微鏡（Two-Photon Microscope, TPM）［5-6］和多電極陣列（Multielectrode Array, MEA）［7］等得到了快速發展。目前，通過以上技術手段，可獲得高通量具有較高時空分辨率的生物神經元網絡（Biological Neural Network,BNN）多通道時間序列數據。計算神經生物學者們則利用這些腦網絡響應數據，發展出多種BNN 功能性連接結構反向辨識算法，試圖建立大腦的功能性圖譜。目前，針對BNN 的連接結構辨識方法有動態貝葉斯網絡算法［8］、隱馬爾可夫模型算法［9］、線性格蘭特因果性（Linear Grant Causality,LGC）算法［10］和互信息算法［11］等。雖然這些傳統方法對辨識生物調控網絡的功能性連接結構均具有一定的有效性，但對于復雜的、具有神經元點火的本質非線性和突觸連接塑性的BNN 而言，大部分方法難以獲得較高的辨識精度，且計算運行時間較長。而互信息算法和動態貝葉斯網絡算法相結合探明BNN連接結構克服了以上算法的弊端，對于以后探究大腦的功能性連接結構和構建人工智能網絡具有重要意義。

本研究采用基于條件互信息的動態貝葉斯網絡法（Dynamic Bayesian Network Method Based on Conditional Mutual Information, DBNM-BCMI）以 辨識人工構造的BNN連接結構。主要思想為：（1）利用積分點火（Integrate-and-Fire, IF）原理構建具有一定生物真實性的脈沖神經元網絡（Spike Neural Network, SNN）。……