Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Функциональная голография (FH) - это метод анализа, предназначенный для извлечения максимального количества функциональной информации о динамической сети в целом.

Итай Баручи и его доктор философии. руководитель, Эшель Бен-Джейкоб , представил методологию функциональной голографии (FH). Анализ FH был разработан для изучения динамики динамических сетей, выполняющих задачи (таких как активность мозга и нейронные сети , [1] [2] [3] [4] [5] [6] и генные сети [7] [8]]. или записанные данные системы динамики, такие как параметры фондового рынка [9] [10] или активность биологических чипов). [11]

Новый подход основан на осознании того, что сети, выполняющие задачи, следуют некоторым основополагающим принципам, которые должны быть отражены и, следовательно, обнаружены в их деятельности. Если анализ предназначен для расшифровки существования простых причинных мотивов, которые, как ожидается, будут встроены в наблюдаемую сложную деятельность сетей, заметны. Во многих исследованиях анализ FH применялся к смоделированным и реальным сетям или сложным данным (таким как записанная активность мозга, данные микрочипа генов, данные микроматрицы антигенов и даже финансовые данные), характерные геометрические и топологические особенности расшифровываются в комплексной деятельности.

История [ править ]

Метод анализа функциональной голографии был впервые представлен в 2004 году Итаи Баручи и Эшелем Бен-Джейкобом для анализа записанной активности человеческого мозга. Термин « голограмма» означает «целая» - «голо» по-гречески, плюс «информация» или «сообщение» - по-гречески.

В голографической фотографии информация, описывающая трехмерный объект, кодируется на двумерной фотопленке., готовые к преобразованию в голографическое изображение или голограмму. Характерной чертой этого процесса является принцип «целое во всех частях» - небольшая часть фотопленки может создать целостное изображение, но с меньшим количеством деталей. Еще одним свойством является высокая устойчивость к шуму и высокая устойчивость к повреждениям: даже при большом количестве дефектов или удалении нескольких пикселей изображение объекта в целом все еще сохраняется на голограмме. Чтобы увеличить часть исходного 3D-объекта, необходимо создать новую фотопленку для увеличиваемой части. Другой связанной особенностью является голографическая суперпозиция: при совместном освещении (размещении рядом) две голограммы могут создавать суперпозицию соответствующих двух трехмерных объектов.Наложение объектов также может быть выполнено путем запечатления изображений двух (или более) 3D-объектов на одной и той же голографической пленке. Эти и другие особенности голограммы обусловлены тем, как информация кодируется на пленках - не прямой проекцией изображения в реальном пространстве, а корреляциями между пикселями. Они преобразуются обратно в изображение в трех измерениях при правильном освещении.

Вышеупомянутые свойства голограмм послужили основой для разработки и обоснования представленного здесь метода функциональной голографии. Термин «функциональный» означает, что анализ проводится в пространстве функциональных корреляций, которые выполняют роль аналога дальнодействующим корреляциям, запечатленным на фотопленке (с использованием интерференции когерентных источников света). Методология функциональной голографии разделяет особенности голограмм - устойчивость к шуму, устойчивость к повреждениям, голографическое наложение и голографическое масштабирование.

Алгоритм [ править ]

  1. Оценка матрицы сходства (корреляции) между активностями компонентов сети.
  2. Коллективная нормализация сходств - преобразование аффинности - для построения матрицы функциональных корреляций.
  3. Проекция матрицы аффинности с использованием алгоритмов уменьшения размерности ( анализ главных компонентов , PCA) на главное трехмерное пространство ведущих собственных векторов, вычисленных алгоритмом.
  4. Поиск информации, которая теряется при уменьшении размерности - узлы соединены линиями с цветовой кодировкой, которые представляют уровень сходства, который затем используется для построения голографической сети в основном пространстве.

Приложения [ править ]

Ссылки [ править ]

  1. ^ Баручи, И., Тоул, В.Л. и Бен-Джейкоб, Э. (2005), Функциональная голография комплексной сетевой активности от культур до человеческого мозга, holography2.pdf Сложность, Том 10, № 3, стр. 38-51
  2. ^ 2. Баручи, И., Бен-Джейкоб, Э. (2004), Функциональная голография записанной активности нейронных сетей, hologrphy.pdf Нейроинформатика, Том 2, Выпуск 3, с. 333-352
  3. ^ Баручи, И., Гроссман, Д., Волман, В., Хантер, Дж., Тоул, В.Л., Бен-Джейкоб, Э. (2006), Анализ функциональной голографии: упрощение сложности динамических сетей, В фокусе проблемы хаоса по устойчивости и формированию паттернов в сетях динамических систем под редакцией Л. Пекоры и С. Боккалетти. Chaos 16, 015112
  4. ^ 4. Бен-Джейкоб, Э., Дорон, И., Газит, Т., Рефаэли, Э., Сагер, О. и Тоул, Л.В. (2007), Картирование и оценка эпилептогенных очагов с использованием частотно-энтропийных шаблонов и Оценка опубликована.pdf ФИЗИЧЕСКИЙ ОБЗОР E 76, 051903
  5. ^ Т. Газит, И. Дорон, О. Сагер, М. Х. Корман, В. Л. Таул, М. Тейхер, Э. Бен-Джейкоб, (2011), Частотно-временная характеристика электрокортикографических записей пациентов с эпилепсией с использованием частотно-энтропийного сходства: A сравнение с другими двумерными мерами и частотно-энтропийное сходство. pdf J. Neuroscience Methods Vol. 194, стр 358-373
  6. ^ Джейкоб, Ю., Рэпсон, А., Кафри, М., Баручи, И., Хендлер Т. и Бен-Джейкоб, Э. (2010), Выявление клик корреляции вокселей с помощью функционального голографического анализа фМРТ, Журнал методов нейробиологии 191 , стр. 126–137
  7. ^ Мади, А., Фридман, Ю., Рот, Д., Регев, Т., Брансбург-Забари, С., Бен-Джейкоб, Э. (2008), Геномная голография: расшифровка мотивов функциональных форм из данных экспрессии генов , Голография опубликована.pdf PLoS ONE, том 3, выпуск 7
  8. ^ 8. Рот, Д., Мади, А., Кенет, Д. Ю., Бен-Джейкоб, Э. (2010), Голография генной сети почвенных бактерий Bacillus subtilis, Глава 10, стр. 255-280 в G.Witzany (под ред. .), Биокоммуникация в почвенных микроорганизмах, Soil Biology Series Vol. 23 Springer-Verlag Berlin Heidelberg
  9. ^ Шапира, Й., Кенетт, Д., и Бен-Джейкоб, Э. (2009), Связанный эффект индекса на корреляции акций., Связующий эффект индекса на корреляции фондового рынка. Phys. J. B 72, 657-669
  10. ^ Кенетт. Д, Шапира. Y, Мади. А, Брансбург-Забары. С., Гур-Гершгорен, Г., Бен-Якоб, Э. (2010), Динамика корреляций фондового рынка, AUCO Czech Economic Review 4, стр. 330–340.
  11. ^ Мади, А., Хект И., Bransburg- Zabary, С., Merbl Ю., Pick A., Закер-Толедано, М., Франциско, Дж Кинтана Таубер, А.И., Коэна, ИК и Бен -Jacob, E. (2009), Организация репертуара аутоантител у здоровых новорожденных и взрослых, выявленная с помощью информатики системного уровня данных микрочипа антигенов. репертуара аутоантител у здоровых новорожденных и взрослых, выявленного с помощью system.pdf PNAS, Vol. 106 (34) стр. 14484-14489

Внешние ссылки [ править ]

  • Домашняя страница Эшеля Бен-Джейкоба
  • Инициатива иммунного развития
  • Голографический мозг
  • Приложение функциональной голографии