Густаво Деко - Gustavo Deco

Густаво Деко
Густаво Деко.jpg
Профессор Густаво Деко
Родившийся
Росарио, Аргентина
НациональностьИталия
НаградыСименс "Изобретатель года" (2001)
Научная карьера
ПоляНеврология, Наука о мышлении
УчрежденияУниверситет Помпеу Фабра

Густаво Деко - аргентинский и итальянский профессор и ученый. Он работает профессором-исследователем в Каталонский институт исследований и перспективных исследований и полный профессор (Катедратико) в Университет Помпеу Фабра, где он является директором Центра мозга и познания и руководителем группы вычислительной нейробиологии. В 2001 году Деко был удостоен международной премии Сименс «Изобретатель года» за его вклад в статистическое обучение, модели визуального восприятия и фМРТ основанная на диагностике психоневрологические заболевания.[нужна цитата ].

Обучение персонала

Деко имеет три докторские степени по взаимосвязанным дисциплинам. Доктор философии в физике из Национальный университет Росарио (Аргентина) (1987), а абилитация в области компьютерных наук из Технический университет Мюнхена (1997) и докторскую степень по психологии от Мюнхенский университет Людвига-Максимилиана (2001). Эти степени были получены, занимая ряд исследовательских должностей. В 1987 г. он защитил докторскую диссертацию в Университет Бордо. В 1988 и 1999 годах он был научным сотрудником Фонд Александра фон Гумбольдта на Гиссенский университет в Германии. С 1993 по 2003 год он возглавлял группу вычислительной неврологии в отделе нейронных вычислений Корпоративного исследовательского центра Siemens в Мюнхене, Германия.

Деко читал лекции в Розарио, Франкфурте и Мюнхене, а с 2001 года был приглашенным лектором в Мюнхенском университете Людвига-Максимилиана. Он был доцентом Мюнхенского технического университета и почетным профессором Университета Росарио в 1998 году. С 2001 по 2009 год он был приглашенным научным сотрудником Макдоннелл-Пью в Центре когнитивной неврологии в Оксфордский университет.

Академический вклад

Deco внес важный вклад в ряд тем, в том числе вычислительная нейробиология, нейропсихология, психолингвистика, биологические сети, статистическая формулировка нейронные сети, и теория хаоса.[1] Его наиболее цитируемые исследования сфокусированы на компьютерном моделировании непрерывной спонтанной активности в сетях состояния покоя и, таким образом, обеспечивают причинное понимание этих важных сетей в здоровье и болезнях.[2] В настоящее время Деку исследует эти исследовательские вопросы в рамках своего расширенного гранта ERC «Динамические и структурные основы сложности человеческого разума: сегрегация и интеграция информации и обработки в мозге».

Состояние покоя: исследование динамического репертуара
Крупномасштабная динамическая модель мозга может наилучшим образом соответствовать эмпирическим данным функциональной магнитно-резонансной томографии в состоянии покоя (фМРТ), когда сеть мозга является критической (т. Е. На границе точки динамической бифуркации), так что в этой рабочей точке система определяет значимый динамический репертуар, который присущ нейроанатомической связи. Чтобы определить динамическую рабочую точку системы, Deco et al. сравнили результаты смоделированной модели с экспериментальной функциональной связностью покоя (FC) как функцией управляющего параметра G, описывающего масштабирование или глобальную силу межкортикальной связи. Соответствие между эмпирической и смоделированной матрицей FC было измерено с помощью коэффициента корреляции Пирсона. На том же графике также показана вторая линия бифуркации, полученная ниже. Наилучшее соответствие эмпирических данных наблюдается на границе второй бифуркационной модели. (B) Бифуркационные диаграммы, характеризующие стационарные состояния системы мозга в зависимости от контрольного параметра G. Deco и коллеги построили график максимальной активности скорости возбуждения по всем кортикальным областям для различных возможных стабильных состояний. Они изучили 1000 различных случайных начальных условий, чтобы идентифицировать все возможные новые стационарные состояния, а также случай, когда начальным условием было просто спонтанное состояние, чтобы определить, когда спонтанное состояние теряет устойчивость. При малых значениях глобального сцепления G существует только одно стабильное состояние, а именно спонтанное состояние, характеризующееся низкой активностью возбуждения во всех областях коры. При критическом значении G возникает первая бифуркация, когда появляется по крайней мере одно новое мультистабильное состояние, в то время как спонтанное состояние все еще остается стабильным. При еще больших значениях G появляется вторая бифуркация, при которой спонтанное состояние становится нестабильным. Дополнительную информацию можно найти в Deco, Jirsa and McIntosh (2013).[3]

В своем исследовании Деко использовал крупномасштабные корковые модели, в которых сети балансируют на грани нестабильности.[4] В этом состоянии функциональные сети находятся в стабильном состоянии с низким уровнем воспламенения, в то время как они постоянно подтягиваются к множеству других конфигураций. Небольшие внешние возмущения могут формировать сетевую динамику, связанную с задачей, тогда как возмущения из-за собственного шума генерируют отклонения, отражающие диапазон доступных функциональных сетей. Это особенно выгодно для эффективности и скорости мобилизации сети. Таким образом, состояние покоя отражает динамические возможности мозга, которые подчеркивают жизненно важное взаимодействие времени и пространства. Текущие исследования сосредоточены на описании этих функциональных и структурных сетей в отношении здоровья и болезней с целью создания новой дисциплины вычислительной нейропсихиатрии.[5]

Библиография

Книги
  • Г. Деко и Д. Обрадович (1996) "Теоретико-информационный подход к нейронным вычислениям", Springer Verlag, Нью-Йорк.
  • Г. Деко и Б. Шюрманн (2000) "Информационная динамика: основы и приложения", Springer Verlag, Нью-Йорк.
  • Э. Роллс и Дж. Деко (2001) «Вычислительная неврология зрения», Oxford University Press, Оксфорд.
  • Э. Роллс и Дж. Деку (2010) «Шумный мозг», Oxford University Press, Оксфорд.
Статьи
  1. ^ Deco G, Tononi G, Boly M, Kringelbach ML, 2015, «Переосмысление сегрегации и интеграции: вклад моделирования всего мозга», Nature Reviews Neuroscience, 16: 430–439.
  2. ^ Deco G, Kringelbach ML, 2016, «Метастабильность и когерентность: расширение коммуникации посредством гипотезы когерентности с использованием вычислительной перспективы всего мозга», Trends in Neurosciences, 39: 125–135.
  3. ^ Деку Джи, Джирса В.К., Макинтош А.Р., 2013, «Мозги, которые не отдыхают, никогда не отдыхают: компьютерные исследования потенциальных когнитивных архитектур», Trends in Neurosciences 36: 268-274.
  4. ^ Крингельбах М.Л., Макинтош А.Р., Риттер П., Джирса В.К., Деку Дж., 2015, «Повторное открытие медлительности: изучение времени познания», Тенденции в когнитивных науках, 19: 616–628.
  5. ^ Deco G, Kringelbach ML, 2014, «Большие надежды: использование компьютерной коннектомики всего мозга для понимания нейропсихиатрических расстройств», Neuron, 84 (5): 892-905.

Список всех публикаций

Источники

внешняя ссылка

Группа вычислительной неврологии

Смотрите также