Navegando por Autor "Silva, Bruno B. M."
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Artigo Lei de Potência e Criticalidade na Rede de Funcionalidade Neuronal(2010-09) Silva, Bruno B. M.; Andrade, Roberto F. S.; Miranda, José Garcia Vivas; Corso, Gilberto; Vasconcelos, Nivaldo; Nicolelis, Miguel A. L.; Ribeiro, Sidarta Tollendal GomesA Rede de Funcionalidade Neuronal (RFN) é construída usando-se correlação entre séries de potencias de ação (disparos) de uma população de neurônios. Neste trabalho usamos registros elétricos oriundos de ratos com matrizes de eletrodos implantados permanentemente em seu cérebro enquanto os mesmos andam, comem, exploram objetos livremente ou dormem. A RFN tem como vértices os neurônios. Uma ligação entre dois neurônios é inserida na rede cada vez que a correlação entre a atividade neural destes neurônios durante certo intervalo de tempo atinge um nível de significância previamente especificado. Esta rede dependente do tempo é baseada em registros elétricos da ordem de duas horas. Sendo as janelas de tempo em torno de 5s a 20s, temos uma sequência de milhares de redes. Como o tamanho típico do número de neurônios é da ordem de meia centena, o número máximo de conexões é um pouco maior do que mil. Tomando o tempo total do experimento, foi observado que o histograma do número de conexões nas RFN segue uma lei de potência. O número de neurônios conectados em uma população aparece como um ótimo indicador de seu comportamento coletivo. A lei de potência encontrada na distribuição do número de conexões revela propriedades do estado funcional desta população. Mais do que isto, esta lei de potência revela um indício de criticalidade na atividade cerebral, similar à que já foi obtida por outros métodos. Nossos resultados foram testados com relação a três variáveis: o tamanho do bin, o tamanho da janela e o nível de significância da correlação. Observa-se que a lei de potência se torna mais clara à medida que se aumenta o nível de exigência para se estabelecer uma ligação entre os nós (neurônios) da rede.Apresentado em Evento Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal(2010-09) Corso, Gilberto; Miranda, José Garcia Vivas; Silva, Bruno B. M.; Vasconcelos, Nivaldo; Nicolelis, Miguel A. L.; Ribeiro, Sidarta Tollendal GomesO 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.