44、神经场、质量模型与大脑皮层发育的奥秘

神经场、质量模型与大脑皮层发育的奥秘

神经场模型的数据要求与应用

为了充分利用神经场模型，需要高信噪比且能广泛覆盖大脑的数据，例如皮层脑电图（ECoG）传感器或多阵列网格所提供的数据。从原理上讲，这类数据能够揭示不同尺度下的全谱时空动态，这对于准确有效地估计神经场模型中的空间参数至关重要。

动态因果建模与生物物理模型评估

通过结合神经场建模和贝叶斯推理，动态因果建模能够帮助评估用于解释电生理数据的生物物理模型。主要关注了两类大脑活动的生物物理模型，即神经场模型和神经质量模型，并探讨了它们在模拟经验性局部场电位（LFP）和脑磁图（MEG）数据中的应用。

利用变分自由能近似对数模型证据进行贝叶斯模型比较，结果表明，只有当数据中包含足够的空间频率信息时，神经场模型才能更好地解释经验数据。具体而言，在分析LFP数据时，神经场模型有更充分的证据支持；但在MEG（虚拟电极）数据中，相较于神经质量模型，未能发现神经场模型有更多优势。这两种数据模式的关键区别在于，LFP数据对广泛的空间频率及其包含的时间波动更为敏感，而无创电磁记录中固有的引导场必然更宽，会抑制高空间频率下的时间动态。

数据类型	对神经场模型支持情况	空间频率敏感性	时间动态表现
LFP数据	有更充分证据支持	对广泛空间频率敏感	能体现高空间频率下时间波动