Matlab
Hill代码可塑性模型
突触促进模型，抑郁症
我根据[1]中描述的方程式创建了一个用于突触促进和突触抑制的机械模型。
这是由我在华盛顿大学的Neusci
301（细胞和分子神经科学导论）中进行的实验所启发的。
在这些实验中，研究了小龙虾浅屈肌及其相关神经支配的突触传递。
我们从神经中的突触前细胞和肌肉中的突触后细胞记录下来。
我们能够以各种频率刺激神经并记录肌肉中的EPSP，从而使我们能够研究高频刺激对突触强度和突触可塑性的影响。
我们观察到较高频率刺激的混合可塑性（促进和抑郁同时发生），这启发了我以计算方式探索这些现象背后的机制，并探索了是否可以对混合可塑性进行建模。
我们的几个实验文件都包含在此处。
背景
大脑中的交流发生在突触，即神经元之间的微小间隙。
在这些突触中，神经递质从突触前的末端释放到囊泡（小包）中的突触后结构。
神经递质介导突触后神经元的电React。
突触活动通常会导致突触强度发生变化（突触前细胞在引起突触后细胞中产生电响应方面的成功程度。）这种现象称为突触可塑性。
突触可塑性可以是长期的或短期的。
短期突触可塑性有几种形式。
一种是突触促进，一种突触
2021-10-15 22:51:33
2.15MB
1
数据科学周刊-2018
在发散图像中找到原子核以促进医学发现
现货核。 速度治愈。
想象一下，加快对几乎所有疾病的研究速度，从肺癌，心脏病到罕见疾病。 2018年数据科学杯提供了我们迄今为止最雄心勃勃的任务：创建一种算法来自动进行核检测。
我们都看到人们患有癌症，心脏病，慢性阻塞性肺疾病，阿尔茨海默氏病和糖尿病等疾病。 许多人看到亲人去世了。 想想如果治愈更快的话，将会改变多少生命。
通过自动进行核检测，您可以帮助更快地解锁治疗方法-从罕见疾病到普通感冒。
Kaggle的深度学习教程使用Keras，在发散图像中查找原子核以推进医学发现竞赛
本教程说明如何使用构建深层神经网络，以在发散图像
2021-09-22 11:24:24
80.36MB
1