羅中泉 實驗室 過往研究計畫 |
- 神經網路中的訊號傳遞
- SPIN: 以型態骨架辨認神經元極性之演算法
- 虛擬蟲計畫
- 感知決策的適應行為
- 經顱性磁刺激(TMS)引起的腦部神經可塑性
神經網路的特點是可以處裡大量平行輸入的資訊。 傳統的網路架構分析主要是專注在群聚係數（局部的資訊溝通）以及最短路徑（長距離的訊號傳遞）上。 這種作法把每個節點（神經網路中為神經元）視為相同的節點，而且並不考慮網路中資訊流動的方向。 然而這些分析方法無法展現出神經網路與其他網路的至少兩種不同性：
| 1) | 神經網路有特定的資訊流動方向，訊號經由輸入神經元進入網路，並被局部神經元處理，再經由輸出神經元離開網路。 |
| 2) | 功能上，經由多個突觸的路徑可能比直接連結的路徑（最短距離）來得重要。 |
 | |
| SPIN (Skeleton-based Polarity Identification for Neurons, 以型態骨架辨認神經元極性之演算法) 是一個為了以型態骨架辨認神經元極性而設計的實驗方法。此實驗方法已在從Flycircuit數據庫(http://www.flycircuit.tw/)得來的果蠅神經執行測試。我們的測試顯示 SPIN 在不同的測試條件下可以達到 ~85%-95% 的精準度。
查看更多有關 "SPIN" 的資訊。 |
|
| 虛擬蟲( virtual worm)計劃，開發契機在於當代有為數眾多的研究與神經迴路( neural circuit )有關，但卻不太著墨在與環境互動下所展現的行為，鑒於存在這樣的斷層， 清華大學系統神經科學研究所助理教授羅中泉老師，指揮其研究團隊進行研究用軟體開發，初期只考慮研究團隊使用，隨著研究成果出爐，為了展示研究成果與進行神經科學的教學， 更進一步開發圖形化使用者界面，除增進研究的效率，對於展示成果與推廣教育都有相當程度的幫助。 查看更多有關 虛擬蟲計畫 的資訊。 |
|
| 如何在瞬息萬變環境找到最好的方法去反應以及作出適當的決定，為了回答這個問題，我們研究在感知決策中常常出現的"速度與準確度交換率"的神經機制。在此，我們研究「由上而下的控制」(top-down control)如何在輸入平衡性突觸輸入於決策神經網路的時候，可以快速的調整神經系統的反應來做出正確且快速的決定。 | |
Energy Landscape Vb=-52.5 |
Performance |
|
另一個計劃中，我們建立了一個可以藉由多巴胺調控突觸可塑性的大型神經網路系統。這個系統可以用來研究在面對環境改變時，那些神經的特性對大腦的決策非常重要。 |
|
Decision Optimization |
DA dependent STDP affects the Cxe-CD synaptic efficiency. |
| TMS藉由一個瞬間產生強烈磁場的線圈來刺激腦部的神經，是一種非侵入性的刺激方法。因為不必動手術，所以TMS廣受醫生及學者的喜愛，更棒的是，TMS可藉由調整刺激時間及刺激數量來引起腦部不同的突觸可塑性反應，所以從研究腦部功能到治療神經性失調都可以應用TMS的技術。雖然這是一項潛力無窮的技術，但其影響腦部功能的詳細機制仍未被清楚的了解。 | |
|
為了研究它在腦部引起的變化，我們設計了一個腦部主要運動皮質區的神經網路模型，在這個模型中模擬大腦對TMS刺激的變化。同時，我們也設計了一個全新概念的突觸可塑性理論，而且成功地在單神經元迴路中模擬出各種不同TMS刺激所引起的腦部活性變化。 |
|
運動皮質區的神經網路模型 |
大腦對TMS刺激的反應 (模擬結果) |
