Clasificación rápida de neuronas mediante Super-paramagnetic Clustering

• Autores: Heitman, Christian Nicolás
• Año de publicación: 2012
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Fernández Slezak, Diego; Ison, Matías Julián
• Materia: NEUROCIENCIAS; ACTIVIDAD NEURONAL; ORDENAMIENTO DE ESPIGAS; PROCESAMIENTO ON LINE; SUPER PARAMAGNETIC CLUSTERING; NEUROSCIENCE; NEURAL ACTIVITY; SPIKE SORTING; ON LINE PROCESSING; SUPER PARAMAGNETIC CLUSTERING
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Uno de los temas más estudiados de la neurociencia es desentrañar cómo se representa la información en el cerebro a través de la actividad neuronal. Hoy en día es posible medir la actividad de decenas de neuronas mediante registros extracelulares in vivo, utilizando sistemas de adquisición de información con múltiples canales simultáneos. A fin de poder llegar a conclusiones a partir de la gran cantidad de datos registrados, es necesario poder identificar y separar la actividad individual de cada neurona con la mayor precisión y rapidez posible. Los métodos para llevar a cabo esto se los conoce como Ordenamiento de Espigas. En esta tesis se presenta un método de Ordenamiento de Espigas online basado en Quian Quiroga et al. El objetivo es realizar la clasificación de las espigas simultáneamente con el experimento, i.e., al momento de ser registradas por los aparatos de medición. La principal limitación del método de Quian Quiroga et al. está en el algoritmo de clasificación, Super-paramagnetic Clustering, pues necesita contar con todos los datos antes de poder aplicarse. Se realizaron modificaciones al algoritmo para garantizar la adecuación del mismo al procesamiento online. Fue necesario realizar una implementación eficiente del mismo para atacar los requisitos temporales del problema.
One of the most studied topics in neuroscience is to unravel how information is represented in the brain through neural activity. Nowadays it is possible to measure the activity of tens of neurons by in vivo extracellular recordings using acquisition systems with multiple channels of information simultaneously. In order to draw conclusions from the vast amount of data recorded it is necessary to identify and separate the individual activity of each neuron as fast and accurately as possible. Methods for accomplishing this are known by the name of Spike Sorting. This thesis presents an on-line Spike Sorting method based on Quian Quiroga et al. The aim is to perform the classification of the spikes simultaneously with the experiment, i.e., at the same time they are registered by measuring devices. The main limitation of the method of Quian Quiroga et al. is in the classification algorithm, Superparamagnetic Clustering. All information has to be gathered before it can be applied. The algorithm was modified to ensure the suitability of on-line processing. It was necessary to make an efficient implementation in order to meet the temporal requirements of the problem.
Fil: Heitman, Christian Nicolás. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.