Dissertação

A deep learning assessment of spike detection with multi-electrodes arrays EVALUATED

Para compreender como o cérebro produz toda a diversidade do comportamento animal, é fundamental ter à nossa disposição métodos quantitativos e objectivos para medir a actividade neuronal, em particular ao nível de grandes populações de neurónios. Desenvolvimentos recentes no design de circuitos integrados e microfabrição permitiram a produção de sondas densas com múltiplos eléctrodos e de grandes dimensões. No entanto, os métodos computacionais para analisar os dados recolhidos com estas sondas de nova geração não acompanharam a evolução da tecnologia. Em Neto et al. (2016), os autores apresentaram pela primeira vez dados de referência recolhidos in-vivo simultaneamente de sondas de silício com 128 canais e uma pipeta juxtacelular. Nesta trabalho, estes dados for utilizados para avaliar o desempenho e limitações de um método para a detecção de Potenciais de Acção Extracelulares recentemente proposto em Rossant et al. (2016) chamado SpikeDetekt. De seguida, está relatada a aplicação de métodos de aprendizagem usando redes neuronais artificiais profundas com o objectivo de fazer detecção de Potenciais de Acção Extracelulares usando os mesmo dados. Foram testadas várias arquitecturas e configurações da rede com os diferentes dados do conjunto. Em todos os casos, o desempenho utilizando esta técnica foi igual ou melhor ao desempenho do SpikeDetekt. Concluo discutindo as limitações deste novo método e propondo possíveis direcções para melhoramentos.
Sondas de múltiplos eléctrodos, Neurofisiologia Extracelular, Detecção de potenciais de acção, métodos de aprendizagem automática

Maio 19, 2016, 18:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Manuel Agostinho Dilão

Departamento de Física (DF)

Professor Auxiliar

ORIENTADOR

Adam Raymond Kampff

Fundação Champalimaud

Investigador Coordenador