IntroductionThe Human Connectome Pr

Introduction
The Human Connectome Project (HCP) is collecting a wealth of
state-of-the-art data across a range of imaging modalities; in particular,
functional MRI, magnetoencephalography (MEG) and diffusion MRI
(Van Essen et al., 2012). Arguably, each of these modalities could be
used to obtain a different connectome (Behrens and Sporns, 2012;
Friston, 2011). For example, FMRI can provide us with a map of functional/
effective connectivity (Biswal et al., 1995; Friston, 2011), and diffusion
MRI with a map of anatomical white matter connectivity (Basser et
al., 1994, 2000; Behrens et al., 2007). But it is not immediately clear how
these differentmodalities can be related. Or indeed, what governing principles
we should use to resolve differences among these connectomes.
A useful unifying principle is that the anatomical connectome underlies
(is necessary for) the functional connectome. This idea has previously
been expressed in terms of the concept of “connectional fingerprints”
(Passingham et al., 2002), which postulates that the functional profile of
any given cortical area depends on the structural pattern of its incoming
and outgoing connections.More recently, it has been demonstrated that
models of effective connectivity are improvedwhen formally integrating
quantitative anatomical information (Stephan et al., 2009b). This is not to
say that structural connectivity is a sufficient or complete description of
connectivity, but rather that function depends on structural connectivity.
Armed with this perspective, we can start to consider how we might
characterise the architecture of a multi-modal human connectome.
Firstly, diffusion MRI data is not a panacea even for inferring vanilla
anatomical connectivity — it has blind spots. Comparison with invasive
studies in non-human primates reveal that current tractography approaches
can suffer from both false positive and false negative results
(Behrens and Sporns, 2012). Functional connectomics can help inform
the anatomical connectome when structural information is missing, or
is inaccurate. Arguably, the best way to do this is through network
models; because these can embody both the structural and functional
architecture, and allow information from the different modalities to be
fused in a mathematically principled way.
We also want to go be able to go beyond the characterization of the
anatomical connectome, to understand the brain function that rests
upon it. Patterns of functional network connectivity emerge as the result
of neuronal interactions taking place on this anatomical skeleton
(Deco et al., 2011; Honey et al., 2007). The bestwaywe can understand
these patterns is by using biophysical network models that combine
models of the anatomy with dynamic models of neuronal interactions.
In principle, if we had sufficient knowledge of the system, including

ผลลัพธ์ (ไทย) 1:

แนะนำโครงการ Connectome มนุษย์ (HCP) คือการรวบรวมมากมายข้อมูลรัฐ-of-the-art ข้ามช่วงของภาพ modalities โดยเฉพาะทำ MRI, magnetoencephalography (เม็ก) และแพร่ MRI(รถตู้เอสเซน et al., 2012) ว่า แต่ละ modalities เหล่านี้อาจใช้เพื่อขอรับ connectome อื่น (Behrens และ Sporns, 2012Friston, 2011) ตัวอย่าง FMRI สามารถให้เรา มีแผนที่ของที่ทำงาน /การเชื่อมต่อที่มีประสิทธิภาพ (Biswal และ al., 1995 Friston, 2011), และแพร่MRI ด้วยแผนที่เชื่อมต่อเรื่องขาวกายวิภาค (Basser etal., 1994, 2000 Behrens et al., 2007) แต่ไม่ทันทีชัดเจนอย่างไรdifferentmodalities เหล่านี้สามารถเกี่ยวข้อง หรือแท้จริง อะไรควบคุมหลักเราควรใช้เพื่อแก้ไขความแตกต่างระหว่าง connectomes เหล่านี้หลักการรวมกันเป็นประโยชน์คือ connectome กายวิภาค underlies(จำเป็นสำหรับ) connectome ทำงาน ความคิดนี้ได้ก่อนหน้านี้การแสดงในแนวคิดของ "connectional ลายนิ้วมือ"(Passingham et al., 2002), ซึ่ง postulates ที่โพรไฟล์การทำงานของใด ๆ ให้ตั้งเนื้อแน่นขึ้นอยู่กับรูปแบบโครงสร้างของขาเข้าและเชื่อมต่อขาออก เมื่อเร็ว ๆ นี้ มีการแสดงที่รูปแบบของการเชื่อมต่อที่มีประสิทธิภาพจะ improvedwhen อย่างเป็นกิจจะลักษณะรวมเชิงปริมาณกายวิภาคข้อมูล (Stephan et al., 2009b) นี้จะไม่บอกว่า การเชื่อมต่อโครงสร้างคำอธิบายที่เพียงพอ หรือสมบูรณ์ของเชื่อมต่อ แต่ค่อนข้างที่ทำงานขึ้นอยู่กับโครงสร้างการเชื่อมต่ออาวุธที่ มีมุมมองนี้ เราสามารถเริ่มพิจารณาว่าเราอาจcharacterise สถาปัตยกรรมของ connectome มนุษย์มีหลายแบบประการแรก แพร่ข้อมูล MRI ไม่ใช่ยาครอบจักรวาลสำหรับ inferring วานิลลาเชื่อมกายวิภาคคือมีจุดบอด เปรียบเทียบกับรุกรานศึกษาไม่ใช่มนุษย์ primates เหมาะ tractography ที่ปัจจุบันใกล้สามารถประสบจากทั้งเท็จเท็จ และค่าบวกค่าลบผล(Behrens ก Sporns, 2012) Connectomics ทำงานช่วยแจ้งให้ทราบconnectome กายวิภาคเมื่อโครงสร้างข้อมูลหาย หรือจะไม่ถูกต้อง คือว่า วิธีที่ดีสุดต้องผ่านเครือข่ายรูปแบบ เนื่องจากเหล่านี้สามารถรวบรวมทั้งโครงสร้าง และหน้าที่สถาปัตยกรรม และให้ข้อมูลจาก modalities ที่แตกต่างกันจะfused วิธี mathematically principledเรายังอยากไปได้ไปนอกเหนือจากคุณสมบัติของการconnectome กายวิภาค เข้าใจฟังก์ชันสมองที่อยู่เมื่อมัน รูปแบบของการเชื่อมต่อเครือข่ายที่ทำงานออกเป็นผลneuronal โต้ตอบกับโครงกระดูกนี้กายวิภาคการ(Deco et al., 2011 น้ำผึ้งและ al., 2007) Bestwaywe สามารถทำความเข้าใจรูปแบบเหล่านี้ได้ โดยใช้รูปแบบเครือข่าย biophysical ที่รวมรูปแบบของกายวิภาคศาสตร์ มีรูปแบบไดนามิกของการโต้ตอบ neuronalหลัก หากเรามีความรู้เพียงพอของระบบ รวมถึง

ผลลัพธ์ (ไทย) 2:

บทนำมนุษย์ Connectome โครงการ (HCP) เป็นผู้เก็บความมั่งคั่งของข้อมูลรัฐของศิลปะในช่วงของการถ่ายภาพรังสีนั้น โดยเฉพาะอย่างยิ่งMRI ทำงาน magnetoencephalography (MEG) และการกระจาย MRI (แวนเอสเซน et al., 2012) เนื้อหาแต่ละรังสีเหล่านี้อาจจะนำมาใช้เพื่อให้ได้ connectome แตกต่างกัน (Behrens และ Sporns 2012; Friston 2011) ยกตัวอย่างเช่น fMRI สามารถให้เรามีแผนที่การทำงาน / การเชื่อมต่อที่มีประสิทธิภาพ (Biswal, et al, 1995;. Friston, 2011) และการแพร่กระจายMRI กับแผนที่ของการเชื่อมต่อไม่ว่าสีขาวกายวิภาค (Basser et al, 1994, 2000. Behrens et al., 2007) แต่มันเป็นไปไม่ได้ทันทีชัดเจนว่าdifferentmodalities เหล่านี้สามารถที่เกี่ยวข้องกับ หรืออันที่จริงสิ่งที่หลักการปกครองที่เราควรจะใช้ในการแก้ไขความแตกต่างระหว่าง connectomes เหล่านี้. หลักการรวมที่มีประโยชน์เป็นที่ underlies connectome กายวิภาค(เป็นสิ่งจำเป็นสำหรับ) คำ connectome ทำงาน ความคิดนี้ได้ก่อนหน้านี้ได้รับการแสดงในแง่ของแนวคิดของ "ลายนิ้วมือ connectional" (Passingham et al., 2002) ซึ่งสมมุติฐานว่ารายละเอียดการทำงานของพื้นที่เยื่อหุ้มสมองใดก็ตามขึ้นอยู่กับรูปแบบโครงสร้างของเข้าของconnections.More และขาออกเมื่อเร็ว ๆ นี้ จะได้รับการแสดงให้เห็นว่ารูปแบบของการเชื่อมต่อที่มีประสิทธิภาพจะมีการบูรณาการอย่างเป็นทางการimprovedwhen ข้อมูลเชิงปริมาณทางกายวิภาค (สเตฟาน et al., 2009b) นี้ไม่ได้บอกว่าการเชื่อมต่อโครงสร้างเป็นคำอธิบายที่เพียงพอหรือสมบูรณ์ของการเชื่อมต่อแต่ฟังก์ชั่นที่ขึ้นอยู่กับการเชื่อมต่อโครงสร้าง. อาวุธที่มีมุมมองนี้เราสามารถเริ่มต้นที่จะต้องพิจารณาวิธีที่เราอาจลักษณะสถาปัตยกรรมของ connectome มนุษย์หลายกิริยา ประการแรกการแพร่กระจายข้อมูล MRI ไม่ใช่ยาครอบจักรวาลแม้อนุมานวานิลลาการเชื่อมต่อทางกายวิภาค- มันมีจุดบอด เปรียบเทียบกับการบุกรุกการศึกษาในบิชอพที่ไม่ใช่มนุษย์เผยให้เห็นว่าวิธีการ tractography ปัจจุบันสามารถประสบจากทั้งเท็จบวกผลลบและเท็จ(Behrens และ Sporns 2012) connectomics ฟังก์ชั่นสามารถช่วยแจ้งconnectome กายวิภาคเมื่อโครงสร้างข้อมูลจะหายไปหรือไม่ถูกต้อง เนื้อหาวิธีที่ดีที่สุดที่จะทำคือผ่านทางเครือข่ายแบบจำลอง เพราะสิ่งเหล่านี้สามารถรวบรวมทั้งโครงสร้างและการทำงานสถาปัตยกรรมและช่วยให้ข้อมูลจากรังสีที่แตกต่างกันที่จะหลอมรวมในทางหลักการทางคณิตศาสตร์. นอกจากนี้เรายังต้องการที่จะไปจะสามารถที่จะไปไกลกว่าตัวละครของconnectome กายวิภาคที่จะเข้าใจการทำงานของสมองที่ ที่วางอยู่บนนั้น รูปแบบของการเชื่อมต่อเครือข่ายการทำงานออกมาเป็นผลที่ตามมาของการสื่อสารของเซลล์ประสาทที่เกิดขึ้นบนโครงกระดูกกายวิภาคนี้(เดโค et al, 2011;.. น้ำผึ้ง et al, 2007) bestwaywe สามารถเข้าใจรูปแบบเหล่านี้คือการใช้เครือข่ายแบบชีวฟิสิกส์ที่รวมรูปแบบของลักษณะทางกายวิภาคที่มีรูปแบบของการสื่อสารแบบไดนามิกประสาท. ในหลักการถ้าเรามีความรู้เพียงพอของระบบรวมทั้ง

ผลลัพธ์ (ไทย) 3:

บทนำ
โครงการ connectome มนุษย์ ( HCP ) คือการสะสมความมั่งคั่งของรัฐ - of - the - art
ข้อมูลข้ามช่วงของการถ่ายภาพ modalities ; โดยเฉพาะ
MRI การทํางาน magnetoencephalography ( MEG ) และการแพร่กระจาย MRI
( รถตู้ ) et al . , 2012 ) arguably , แต่ละของ modalities เหล่านี้สามารถใช้เพื่อขอรับ
connectome แตกต่างกัน ( Default และ sporns , 2012 ;
friston , 2011 ) ตัวอย่างเช่นfMRI สามารถให้เราแผนที่ของการเชื่อมต่อที่มีประสิทธิภาพการทำงาน /
( biswal et al . , 1995 ; friston , 2011 ) และ MRI แพร่
กับแผนที่ของภาคขาวก็ตามการเชื่อมต่อ ( basser et
al . , 1994 , 2000 ; Default et al . , 2007 ) แต่มันก็ไม่ได้ทันทีชัดเจนว่า
differentmodalities เหล่านี้สามารถที่เกี่ยวข้องกับ หรือจริงๆแล้ว หลักการปกครอง
เราควรจะใช้เพื่อแก้ไขความแตกต่างระหว่าง connectomes เหล่านี้ เป็นประโยชน์รวมกัน
หลักการคือว่า connectome กายวิภาคแผ่นอยู่
( จำเป็น ) connectome การทํางาน ความคิดนี้ได้ก่อนหน้านี้
ถูกแสดงออกในแง่ของแนวคิดของ " connectional ลายนิ้วมือ "
( passingham et al . , 2002 ) ซึ่งสมมุติฐานที่รายละเอียดการทำงานของ
ใด ๆให้เปลือกพื้นที่ขึ้นอยู่กับรูปแบบโครงสร้างของขาเข้า
และการเชื่อมต่อขาออก เมื่อเร็วๆ นี้ ได้แสดงให้เห็นว่ารูปแบบของการเชื่อมต่อที่มีประสิทธิภาพ improvedwhen

ข้อมูลอย่างเป็นทางการรวมกายวิภาคเชิงปริมาณ ( สตีเฟ่น et al . , 2009b ) นี้ไม่ได้ที่จะกล่าวว่าการเชื่อมต่อโครงสร้างเป็น

รายละเอียดเพียงพอหรือสมบูรณ์ของการเชื่อมต่อแต่ฟังก์ชันที่ขึ้นอยู่กับการเชื่อมต่อโครงสร้าง .
อาวุธกับมุมมองนี้เราสามารถเริ่มต้นที่จะต้องพิจารณาวิธีการที่เราอาจ
ชันสถาปัตยกรรมของมนุษย์ connectome multi .
คือ การเผยแพร่ข้อมูล MRI ไม่ยาครอบจักรวาลสำหรับการเชื่อมต่อที่วานิลลา
- มันมีจุดบอด การรุกราน