导语


随着电生理学、网络建模、机器学习、统计物理、类脑计算等多种技术方法的发展，我们对大脑神经元相互作用机理与连接机制，对意识、语言、情绪、记忆、社交等功能的认识逐渐深入，大脑复杂系统的谜底正在被揭开。为了促进神经科学、系统科学、计算机科学等领域研究者的交流合作，我们发起了【神经动力学模型读书会】。


【神经动力学模型读书会】第十期，我们邀请到神经动力学与临床研究领域的多位老师进行圆桌讨论，主题： 动力学模型在脑重大疾病中的临床应用——以癫痫为例。本期读书会将于6月5日（本周日）下午14:00-16:00举办，直播报名入口见后文。






背景




神经动力学模型发展至今，已经进入理论模型与实验、临床数据相结合，由数据（尤其是大样本）驱动分析的时代。然而，大多数理论模型都具有假设 – 很多假设较难在真实系统中满足。这就给我们在真实神经系统中的建模与分析带来了困难。尤其在与临床结合的研究中，使用带有较强假设的动力学方法或带来很多质疑与争议。癫痫作为第二常见的神经系统疾病（仅次于脑中风），具有显著的电生理标记（包括癫痫发作，间期痫样放电与高频震荡），其研究适合将临床数据与神经动力学相结合，但也同样存在诸多困难与挑战。




简介




癫痫发作是高同步、高波幅的病理性神经活动，具有复杂的时间-空间演化模式，并且难以预测、难以干预。同时，人类癫痫发作的机制并不明确，因此为我们的研究带来了很多困难。前人对癫痫发作的动力学性质研究发现：即使癫痫发作电生理信号表现出高同步性，相比于正常背景活动（更多地表现出随机性），癫痫发作的动力学性质或许存在系统变化。动力学系统的稳定性分析或可更好地刻画癫痫发作前或发作中的系统性质变化，并通过维护或破坏系统稳定性，提供外科干预、神经调控与发作预测策略。本期读书会将系统研读多篇临床数据与神经动力学结合的文章（详见参考文献），并邀请神经动力学与临床研究领域的多位老师，通过圆桌讨论的方式，深入探讨如何更好地将动力学分析与临床数据相结合，怎样避免可能存在的陷阱与问题，有哪些前人的经验与教训我们可以从中吸取。





大纲



  • 陈仲韬同学研读Master stability function/Synchronizability理论与分析方法(Pecora and Carroll 1998; Motter et al., 2005)，以及其在癫痫发作的研究与临床验证 (Khambhati et al., 2016; Kini et al., 2019)。

  • 圆桌讨论：和嘉宾一起深入探讨synchronizability在研究正常与病理性神经活动的可行性（Papo and Buldu, 2019），以及前人工作给我们的经验与教训。

  • 陈仲韬同学研读Neural fragility分析方法以及其背后理论（线性系统稳定性分析），以及其在多中心数据集的临床回顾性分析（Li et al., 2021）。

  • 圆桌讨论：和嘉宾一起深入探讨如何更好地对神经活动（高维度、非线性）线性化并分析其稳定性。已有的工作应如何更好地延伸与扩展。




主持人




曹淼，墨尔本大学医学院临床神经科学博士，北京大学物理学院博士后。博士工作发表在Nature Communications。

研究方向：癫痫手术术前评估与致痫灶定位，网络分析与神经动力学模型，颅内电生理与EEG/MEG/fMRI神经影像分析等。致力于神经影像与神经动力学结合的临床应用，以及（病理）神经系统建模。




主讲人




陈仲韬，北京大学物理学院本科三年级学生。

研究方向：癫痫的神经动力学模型，癫痫传播与状态转移的动力学分析。对脑部疾病与生理现象的神经动力学，计算认知神经科学感兴趣。





圆桌讨论嘉宾




周昌松，物理学博士，香港浸会大学物理系教授、系主任，浸会大学非线性研究中心主任，计算及理论研究所副所长。1992年获南开大学物理学士，1997年获南开大学物理博士，1997-2007年在新加坡、香港、德国等地从事访问研究， 是洪堡基金获得者。2007年加入香港浸会大学物理系， 2011年获浸会大学”杰出青年研究者校长奖”，2021年获”杰出研究表现校长奖”。在国际交叉学术刊物 PNAS，PRL，Physics Reports，National Science Review，J Neuroscience，NeuroImage，Cerebral Cortex，PLoS Computational Biology等发表论文150余篇 (Google Scholar引用15900余次，H因子为48)。任Scientific Reports 编委，PLoS One，Cognitive Neurodynamics学术编辑，及多种国际期刊常任审稿人。

研究方向：对生物神经网络复杂结构、动力学及其低成本高效益如何启发类脑智能具有浓厚的兴趣。致力于复杂系统动力学基础研究及其应用，特别是网络的复杂联结结构与体系的动态行为的关系和相互作用。近几年与国际国内系统和认知神经科学家合作，把这些理论进展应用到大脑的复杂联结结构和活动以及认知功能及障碍的分析和建模等方面研究中。

杨冬平，之江实验室混合增强智能研究中心研究专家。博士毕业于厦门大学物理系，曾在悉尼大学物理学院、香港浸会大学非线性研究中心攻读博士后，回国后任中国科学院海西研究院泉州装备制造研究中心研究员，类脑智能与脑科学课题组组长，具有物理、生物、神经科学、脑科学、数学和信息学等多个学科背景。在PloS Computational Biology, Physical Review E, Chaos，IEEE Transactions系列等知名期刊发表多篇论文，主持一项国家自然科学基金面上项目。

研究方向：睡眠，癫痫，类脑智能，专长于生物建模和计算机数值模拟，擅长平均场、线性稳定性、特征谱和特征模式、非线性动力学、时空多尺度、统计物理等数学物理理论分析。在悉尼大学物理学院攻读博士后期间对从清醒到睡眠、皮层-丘脑系统的临界规范型进行了深入研究。

刘泉影，南方科技大学生物医学工程系助理教授，博士生导师，神经计算与控制实验室PI。本科和硕士毕业于兰州大学信息学院，博士毕业于瑞士苏黎世联邦理工大学生物医学工程方向，在美国加州理工学院进行计算与数学科学方向的博士后训练。

研究方向：机器学习算法、多模态神经信号处理、神经计算建模、医学人工智能等等。

王雄飞，神经外科学博士后，Vanderbilt医学中心访问学者，副主任医师。首都医科大学三博脑科医院功能神经外科副主任。国际抗癫痫协会外科教育工作组委员、世界神经调控学会新媒体委员会委员，中国抗癫痫协会神经调控专业委员会学术秘书，中国抗癫痫协会创新与转化专业委员会委员。

致力于优化电磁成像诊疗技术的临床应用方案，发展注重高级认知功能保护的外科干预方法。主持或骨干参与国家自然科学基金重大项目、科技创新2030——“脑科学与类脑研究”、北京AI+健康协同创新、首都卫生科研发展专项、北京市教委一般计划等课题。


王鑫迪，现为北京慧脑云计算有限公司高级算法研发工程师。北京师范大学认知神经科学与学习国家重点实验室博士，加拿大麦吉尔大学蒙特利尔神经病学研究所（Montreal Neurological Institute, MNI）博士后。脑影像领域工具包DPABI/DPABISurf、GRETNA的核心开发人员，CIVET、REST等工具包的代码贡献者。在MNI期间，参加了脑影像数据管理与计算分析平台LORIS/CBrain的开发与维护，是PRIME-RE Project、BigBrain Project、Virtual BigBrain Project等跨中心脑影像大数据合作项目的参与人。Google学者被引次数2464次，H指数10。

研究方向：多模态脑影像数据分析算法及信息化平台建设。

参考文献

Master Stability Functions (MSF)与Synchronizability理论背景

1.Pecora and Carroll提出了研究同步状态下线性稳定性理论与分析方法 – Master Stability Functions

Pecora, Louis M., and Thomas L. Carroll. “Master stability functions for synchronized coupled systems.” Physical review letters80.10 (1998): 2109.

2.周昌松老师的工作，进一步对MSF和synchronizability进行了研究与扩展。

Zhou, C., Motter, A. E. & Kurths, J. Universality in the Synchronization of Weighted Random Networks. Phys Rev Lett 96, 034101 (2006).

对Master Stability Functions和Synchronizability完整的文献综述。

Arenas, A., Díaz-Guilera, A., Kurths, J., Moreno, Y. & Zhou, C. Synchronization in complex networks. Phys Reports 469, 93–153 (2008).

两篇使用synchronizability研究癫痫发作动力学的工作：

1.通过虚拟切除技术与Master Stability Function理论，确定促进神经活动（癫痫发作）同步化与去同步化的脑区域，以进一步探究癫痫发作的脑网络控制机制。

Khambhati, A. N., Davis, K. A., Lucas, T. H., Litt, B. & Bassett, D. S. Virtual Cortical Resection Reveals Push-Pull Network Control Preceding Seizure Evolution. Neuron 91, 1170–82 (2016).

2.基于患者数据严格验证了虚拟切除映射癫痫网络和预测结果的方法，在规划癫痫手术、提前预测手术结果方面具有价值。

Kini, L. G. et al. Virtual resection predicts surgical outcome for drug-resistant epilepsy. Brain 142, 3892–3905 (2019).

这篇文章对synchronizability是否适用于研究神经活动的动力学性质进行了深入探讨

Papo D, Buldú J M. Brain synchronizability, a false friend. NeuroImage, 2019, 196: 195-199.

这篇文章使用了线性系统稳定性理论与分析方法，提出了一种新的颅内EEG癫痫发作起始区的标记——神经脆性 (Neural Fragility)，并通过多中心的91名患者数据对该方法进行了回顾性验证。

Li, A. et al. Neural fragility as an EEG marker of the seizure onset zone. Nat Neurosci 24, 1465–1474 (2021).





直播信息




时间：
2022年6月5日（本周日）下午14:00-16:00

参与方式：

1. 文末扫码参与神经动力学模型读书会，加入群聊，获取系列读书会回看权限，成为神经动力学社区的种子用户，与490余位神经动力学社区的一线科研工作者与企业实践者沟通交流，共同推动神经动力学的发展（扫描下方二维码报名本次读书会，扫描文末二维码报名整季读书会）。


扫码报名


2. 视频号预约：


神经动力学模型读书会启动


本着促进神经科学、系统科学以及计算机科学等不同领域的学术工作者的交流与合作，激发有志于加入脑科学与类脑研究这一领域的同学们的研究兴趣，集智俱乐部和天桥脑科学研究院联合发起了神经动力学模型读书会。聚焦于神经科学中的动力学建模这一前沿课题，围绕神经网络多尺度建模及其在脑疾病、脑认知方面的应用进行研讨。读书会已于2022年3月19日开始，每周六下午14:00-16:00（或每周五晚上19:00-21:00，根据实际情况调整）进行，预计持续10-12周。

读书会大纲一览：

  1. 复杂神经动力学：分析与建模
  2. 神经元动力学
  3. 神经动力学场论
  4. 全脑动态模拟
  5. 多尺度生成模型
  6. 睡眠调控
  7. 癫痫发作的神经动力学
  8. 神经调控
  9. 决策的神经计算机制
  10. 脉冲神经网络的应用
  11. 总结圆桌会





点击“阅读原文”，报名直播