Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal

Corso, Gilberto; Miranda, José Garcia Vivas; Silva, Bruno B. M.; Vasconcelos, Nivaldo; Nicolelis, Miguel A. L.; Ribeiro, Sidarta Tollendal Gomes

Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal

Página do item simplificado Estatísticas

dc.contributor.author	Corso, Gilberto
dc.contributor.author	Miranda, José Garcia Vivas
dc.contributor.author	Silva, Bruno B. M.
dc.contributor.author	Vasconcelos, Nivaldo
dc.contributor.author	Nicolelis, Miguel A. L.
dc.contributor.author	Ribeiro, Sidarta Tollendal Gomes
dc.date.accessioned	2017-11-13T13:49:26Z
dc.date.available	2017-11-13T13:49:26Z
dc.date.issued	2010-09
dc.description.resumo	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.	pt_BR
dc.identifier.uri	https://repositorio.ufrn.br/jspui/handle/123456789/24243
dc.language	por	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	identificação de padrões	pt_BR
dc.subject	conectividade funcional	pt_BR
dc.subject	correlação	pt_BR
dc.subject	população de neurônios	pt_BR
dc.subject	séries de disparos	pt_BR
dc.title	Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal	pt_BR
dc.type	conferenceObject	pt_BR