دانلود مقاله ISI انگلیسی شماره 98037
ترجمه فارسی عنوان مقاله

مدل سازی جریان اطلاعات در طول اتصال انسانی انسان با استفاده از حداکثر جریان

عنوان انگلیسی
Modelling information flow along the human connectome using maximum flow
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
98037 2018 25 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Medical Hypotheses, Volume 110, January 2018, Pages 155-160

پیش نمایش مقاله
پیش نمایش مقاله مدل سازی جریان اطلاعات در طول اتصال انسانی انسان با استفاده از حداکثر جریان

چکیده انگلیسی

The human connectome is a complex network that transmits information between interlinked brain regions. Using graph theory, previously well-known network measures of integration between brain regions have been constructed under the key assumption that information flows strictly along the shortest paths possible between two nodes. However, it is now apparent that information does flow through non-shortest paths in many real-world networks such as cellular networks, social networks, and the internet. In the current hypothesis, we present a novel framework using the maximum flow to quantify information flow along all possible paths within the brain, so as to implement an analogy to network traffic. We hypothesize that the connection strengths of brain networks represent a limit on the amount of information that can flow through the connections per unit of time. This allows us to compute the maximum amount of information flow between two brain regions along all possible paths. Using this novel framework of maximum flow, previous network topological measures are expanded to account for information flow through non-shortest paths. The most important advantage of the current approach using maximum flow is that it can integrate the weighted connectivity data in a way that better reflects the real information flow of the brain network. The current framework and its concept regarding maximum flow provides insight on how network structure shapes information flow in contrast to graph theory, and suggests future applications such as investigating structural and functional connectomes at a neuronal level.

دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.