
移動熱源を使用した生物組織の熱的処理において、様々な緩和時間が温度、変位、応力の分布に及ぼす影響を明らかにした。


coremsg

生物組織の熱的処理中における移動熱源のdplモデルの影響


生物組織の熱的処理中における移動熱源のDPLモデルの影響


title_rewrite


境界層の不均一性を導入することで、薄い心臓組織スラブ内のスクロールウェーブの安定性を高めることができる。


境界層の不均一性がスクロールウェーブの安定性を高める可能性


フラジェラの曲げ剛性と外部加えられる旅行波能動力の相互作用により、アクソネームのような拍動ダイナミクスを示す特徴的な変形が生じる。


旅行波能動力に対するウォーム状鎖の応答


上肢表面筋電図信号は非ユークリッド空間のグラフデータ構造を示し、個人間の信号分布のシフトは基底の変化によって説明できる。


上肢表面筋電図-幾何学-スペクトル特性-時間的推移-人口統計学的な影響


上肢表面筋電図 - 幾何学、スペクトル特性、時間的推移、人口統計学的な影響



神経活動に依存して、神経球体の電磁波伝送特性が可逆的に変化する。


神経球体における-mhz-および-ghz-周波数での活動依存性変化の検出デバイス


神経球体における MHz および GHz 周波数での活動依存性変化の検出デバイス



狭窄動脈内の血流を正確にモデル化するために、動脈半径の変化を考慮した拡張された1次元簡略モデルを提案した。


狭窄動脈内の血流に関する拡張された1次元簡略モデル


脳-頭蓋骨インターフェースの力学特性は、脳の力学的応答を決定する重要な要因であるが、これまで十分な実験的根拠がなかった。本研究では、新しい実験プロトコルを用いて、脳組織および脳-頭蓋骨複合体の引張および圧縮試験を行い、有限要素法によるシミュレーションを通じて、脳-頭蓋骨インターフェースの力学特性を明らかにした。


脳-頭蓋骨インターフェースの引張および圧縮下の力学特性の決定に向けて


ElectroPhysiomeGANは、記録された膜電位応答と定常状態電流プロファイルから、Hodgkin-Huxleyタイプのニューロンモデルのパラメータを生成することができる。


Recent advances in connectomics, biophysics, and neuronal electrophysiology warrant modeling of neurons with further details in both network interaction and cellular dynamics. Such models may be referred to as ElectroPhysiome, as they incorporate the connectome and individual neuron electrophysiology to simulate neuronal activities. The nervous system of C. elegans is considered a viable framework for such ElectroPhysiome studies due to advances in connectomics of its somatic nervous system and electrophysiological recordings of neuron responses. In order to achieve a simulated ElectroPhysiome, the set of parameters involved in modeling individual neurons need to be estimated from electrophysiological recordings. Here, we address this challenge by developing a novel deep generative method called ElectroPhysiomeGAN (EP-GAN), which once trained, can instantly generate parameters associated with the Hodgkin-Huxley neuron model (HH-model) for neurons with graded potential response. The method combines Generative Adversarial Network (GAN) architecture with Recurrent Neural Network (RNN) Encoder and can generate an extensive number of parameters (>170) given the neuron’s membrane potential responses and steady-state current profiles. We validate our method by estimating HH-model parameters for 200 synthetic neurons with graded membrane potential followed by 9 experimentally recorded neurons (where 6 of them newly recorded) in the nervous system of C. elegans . Compared to other methods, EP-GAN is advantageous in both accuracy of generated parameters and inference speed. In addition, EP-GAN preserves performance when provided with incomplete membrane potential responses up to 25% and steady-state current profiles up to 75%. EP-GAN is designed to leverage the generative capability of GAN to align with the dynamical structure of HH-model, and thus able to achieve such performance.

### Competing Interest Statement

The authors have declared no competing interest.

ElectroPhysiomeGAN: Generation of Biophysical Neuron Model Parameters from Recorded Electrophysiological Responses

c-elegans神経系のバイオフィジカルニューロンモデルパラメータを記録された電気生理学的応答から生成するelectrophysiomegan


C. elegans神経系のバイオフィジカルニューロンモデルパラメータを記録された電気生理学的応答から生成するElectroPhysiomeGAN



接着性インターフェースは、炎症細胞の浸潤を抑制することで、多様な臓器における線維性被膜形成を抑制できる。


A study shows that implants with an adhesive implant–tissue interface mitigate the formation of a fibrous capsule when attached to various organs in mice, rats and pigs.

Adhesive anti-fibrotic interfaces on diverse organs - Nature

多様な臓器における接着性抗線維化インターフェースの開発


本研究では、物理情報ニューラルネットワークを用いて、非線形大変形を示す生物組織の複雑な弾性係数分布を正確に推定することができる。


生物組織の複雑な微小力学特性の特定-物理情報ニューラルネットワークを用いて


生物組織の複雑な微小力学特性の特定：物理情報ニューラルネットワークを用いて
