Análisis funcional de redes cerebrales a través de nuevos paradigmas computacionales en Spiking Neural Networks

Manzano Patrón, José Pedro. (2017). Análisis funcional de redes cerebrales a través de nuevos paradigmas computacionales en Spiking Neural Networks Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Manzano_Patron_JosePedro_TFM.pdf Manzano_Patron_JosePedro_TFM.pdf application/pdf 16.57MB

Título Análisis funcional de redes cerebrales a través de nuevos paradigmas computacionales en Spiking Neural Networks
Autor(es) Manzano Patrón, José Pedro
Resumen El análisis conjunto de datos cerebrales multimodal (EEG, MEG, fMRI, DTI) está llamado a ser una de las grandes estrategias de búsqueda de nuevos neuro-biomarcadores en la medicina personalizada y en los futuros avances del sector. Sin embargo, hoy en día deben tratarse por separado al no existir un marco común de análisis. Por otro lado, las técnicas clásicas de análisis de redes cerebrales empiezan a presentar serios problemas para estudiar las variaciones en los patrones espaciotemporales de actividad y conectividad funcional. Este trabajo propone un nuevo entorno computacional basado en conceptos de Inteligencia Artificial, como las Redes Neuronales Pulsantes, donde los distintos tipos de señales son codificados a un dominio común para su tratamiento: los spikes. Gracias a este nuevo sistema bio-inspirado, nuevas reglas de aprendizaje sinápticos como STDP pueden ser utilizadas para capturar los patrones espacio-temporales dinámicos en la conectividad anatómico-funcional del cerebro.
Abstract The multimodal analysis of brain data (EEG, MEG, fMRI, DTI, etc.) is one of the most promising strategies to detect new neuro-biomarkers in the personalized medicine and in the future advances in the clinical sector. However, nowadays there is a lack of such multimodal platform that allows combining all this information. Moreover, is reported that the classical methods used to assess the dynamic fluctuations in the functional connectivity are not efficient and they imply some assumptions that have been proven incorrect, like stationary fluctuations. This work proposes a new computational framework based on Artificial Intelligence approaches, such as the Spiking Neural Networks, to analyze spatio-temporal patterns in the brain. The essential step in this proof-of-concept involves the coding of the activity in the brain into a new domain: the spikes. This allows the algorithm to combine different types of data and to use bio-inspired learning rules, creating a completely unsupervised multimodal platform to capture dynamic functional connectivity in the brain.
Notas adicionales Trabajo de Fin de Máster. Máster Universitario en I.A. Avanzada: Fundamentos, Métodos y Aplicaciones. UNED
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Santos Martín, Olga
Ayala Rodrigo, José Luis
Fecha 2017-10-06
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-IAA-Jpmanzano
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-IAA-Jpmanzano
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso acceptedVersion

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 27 Visitas, 15 Descargas  -  Estadísticas en detalle
Creado: Tue, 10 Dec 2019, 18:59:45 CET