Glossar

Deep Learning ist ein Teilbereich des maschinellen Lernens, bei dem künstliche neuronale Netze mit vielen Schichten verwendet werden, um komplexe Muster in Daten zu erkennen und zu analysieren.

In aktiven Nervenzellen erhöht sich die Konzentration von Kalziumionen. Dieser sekundenschnelle Vorgang kann mit Hilfe fluoreszenter Farbstoffe sichtbar gemacht und mit einem winzigen Mikroskop aufgenommen werden.

Sie bestehen aus einer Vielzahl miteinander verbundener künstlicher Nervenzellen, die in der Lage sind, Daten zu verarbeiten und Muster zu erkennen. Diese Netze werden häufig in der künstlichen Intelligenz eingesetzt, um komplexe Aufgaben wie Spracherkennung, Bilderkennung, Prognosen und Entscheidungsfindung auszuführen.

Kommt es zu einer Schädigung der Nervenzellen mit Zerstörung der Axone, so werden die Neurofilamente in das umliegende Gewebe – zum Beispiel als sogenannte Leichtketten – freigesetzt.

Dendritische Fortsätze sind feine Verästelungen, welche die Impulse anderer Zellen aufnehmen, verarbeiten und ans Axon weiterleiten. Das Axon ist der Zellfortsatz, der für die eigentliche Reizweiterleitung von einem Neuron zum anderen zuständig ist. Beim Menschen kann so ein Axon bis zu einem Meter lang sein und hat an seinen Enden sogenannte Synapsen. Diese Synapsen sind Umschaltstellen der Reizübertragung durch biochemische oder elektrische Vorgänge und Reaktionen. Für die Funktionstüchtigkeit der Axone ist deren intakte Isolationsschicht wichtig, die aus Schwann-Zellen gebildet wird; eine Erkrankung der Schwann-Zellen mit Abbau oder tumoröser Wucherung kann zu Neuropathie führen.