Neuronale Informationsverarbeitung

neurolib

neurolib ist ein in Python Framework für die Simulation, Optimierung und Analyse von Gehirnmodellen. Es bietet eine Reihe von neuronalen Massenmodellen, die die durchschnittliche Aktivität einer Gehirnregion auf einer mesoskopischen Skala darstellen. In einem Ganzhirnnetzwerkmodell sind die Hirnregionen auf der Grundlage der biologisch informierten strukturellen Konnektivität, d. h. des Konnektoms des Gehirns, miteinander verbunden. neurolib kann strukturelle und funktionelle Datensätze laden, ein Ganzhirnmodell erzeugen, seine Parameter verwalten, es simulieren und seine Ergebnisse für spätere Analysen speichern und abrufen. Die Aktivität jeder Hirnregion kann in ein simuliertes BOLD-Signal umgewandelt werden, um das Modell gegen empirische Daten aus der funktionellen Magnetresonanztomographie (fMRI) zu kalibrieren.

Ein Modul zur Parameterexploration ermöglicht eine umfassende Modellanalyse, die es erlaubt, das Verhalten eines Modells in Abhängigkeit von veränderten Parametern zu charakterisieren. Ein Optimierungsmodul ermöglicht die Optimierung von Modellen an multimodale empirische Daten mit Hilfe von evolutionären Algorithmen. neurolib ist erweiterbar und ermöglicht die einfache Implementierung von benutzerdefinierten neuronalen Massenmodellen. Damit bietet es eine vielseitige Plattform für das Prototyping von Modellen, die Durchfürung großer numerischer Experimente, die Untersuchung der Struktur-Funktions-Beziehung von Gehirnnetzwerken und die Durchführung von In-silico-Optimierung von Ganzhirnmodellen.

Lesen Sie die sanfte Einführung in neurolib (englisch), um einen Überblick über die Funktionen und die wissenschaftlichen Grundlagen hinter Ganzhirnsimulationen zu erhalten, oder lesen Sie die Dokumentation.

Bitte zitieren Sie die folgende Arbeit, wenn Sie neurolib verwenden:

Cakan, C., Jajcay, N. & Obermayer, K. neurolib: A Simulation Framework for Whole-Brain Neural Mass Modeling. Cogn. Comput. (2021).

Pipeline