Please use this identifier to cite or link to this item:
https://repositorio.ufrn.br/handle/123456789/24243
Title: | Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal |
Authors: | Corso, Gilberto Miranda, José Garcia Vivas Silva, Bruno B. M. Vasconcelos, Nivaldo Nicolelis, Miguel A. L. Ribeiro, Sidarta Tollendal Gomes |
Keywords: | identificação de padrões;conectividade funcional;correlação;população de neurônios;séries de disparos |
Issue Date: | Sep-2010 |
Portuguese Abstract: | O conjunto de dados sobre para o qual se constrói o modelo aqui exposto é o seguinte: séries temporais de disparos de uma população de neurônios. Os dados são provenientes de ratos com matrizes de eletrodos implantados permanentemente em seu cérebro e registros extracelulares contínuos de atividade elétrica enquanto o animal anda, come, dorme e explora novos objetos. As séries temporais utilizadas se referem a potenciais de ação neuronais (disparos). Os disparos na série foram binados para um tamanho de bin conveniente. A partir das series temporais construímos, para uma dada janela de tempo, a rede de funcionalidade neuronal (RFN). Esta rede é intrinsecamente dinâmica, mas antes de discorrermos sobre ela vamos explicá-la com cuidado. Uma rede é um objeto matemático definido por dois conjuntos: um conjunto de vértices e outro de ligações. A RFN tem como vértices os próprios neurônios da população neuronal e as ligações entre dois neurônios quaisquer se estabelecem cada vez que a correlação entre estes neurônios extrapola dado nível de significância. Foram analisados neste trabalho três variáveis: o tamanho do bin, o tamanho da janela e o nível de significância da correlação. Os experimentos computacionais mostram estabilidade da rede frente a variações destes parâmetros. O principal resultado até o momento indica uma presença marcante de pólos (neurônios muito conectados) na rede e uma distribuição de conectividade da rede muito distante do modelo nulo que é a rede aleatória. No contexto da física estatística, esta rede se parece a uma rede livre de escala. O uso deste construto matemático é promissor, pois ele pode se tornar um eficiente método de identificação de estados de funcionalidade conectiva de uma população de neurônios. De fato, podemos pensar que a tarefa de reconhecer padrões de aprendizado e reencontrá-los ao longo do tempo, através de estados de sono ou vigília, possa ser facilitada com esta técnica. Temos isto em mente porque a RFN é uma sutil sofisticação da matriz de correlação, que é hoje a principal ferramenta usada na tarefa de reconhecer padrões de memória a partir de um conjunto de series temporais de disparo de uma população de neurônios. |
URI: | https://repositorio.ufrn.br/jspui/handle/123456789/24243 |
Appears in Collections: | ICe - Trabalhos apresentados em eventos |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
SBNeC_2010_Modelando.pdf | 152,25 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.