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
Estado
versión publicada
Colaborador/a o director/a de tesis
Fernández Slezak, Diego
Ison, Matías Julián
Descripción
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.
Materia
NEUROCIENCIAS
ACTIVIDAD NEURONAL
ORDENAMIENTO DE ESPIGAS
PROCESAMIENTO ON LINE
SUPER PARAMAGNETIC CLUSTERING
NEUROSCIENCE
NEURAL ACTIVITY
SPIKE SORTING
ON LINE PROCESSING
SUPER PARAMAGNETIC CLUSTERING
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000745_Heitman

id BDUBAFCEN_b5f9149fa40a7bf1a3d654091f3068eb
oai_identifier_str seminario:seminario_nCOM000745_Heitman
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Clasificación rápida de neuronas mediante Super-paramagnetic ClusteringFast neuron classification using Super-paramagnetic ClusteringHeitman, Christian NicolásNEUROCIENCIASACTIVIDAD NEURONALORDENAMIENTO DE ESPIGASPROCESAMIENTO ON LINESUPER PARAMAGNETIC CLUSTERINGNEUROSCIENCENEURAL ACTIVITYSPIKE SORTINGON LINE PROCESSINGSUPER PARAMAGNETIC CLUSTERINGUno 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.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesFernández Slezak, DiegoIson, Matías Julián2012info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000745_Heitmanspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:43:40Zseminario:seminario_nCOM000745_HeitmanInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:43:41.813Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
Fast neuron classification using Super-paramagnetic Clustering
title Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
spellingShingle Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
Heitman, Christian Nicolás
NEUROCIENCIAS
ACTIVIDAD NEURONAL
ORDENAMIENTO DE ESPIGAS
PROCESAMIENTO ON LINE
SUPER PARAMAGNETIC CLUSTERING
NEUROSCIENCE
NEURAL ACTIVITY
SPIKE SORTING
ON LINE PROCESSING
SUPER PARAMAGNETIC CLUSTERING
title_short Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
title_full Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
title_fullStr Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
title_full_unstemmed Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
title_sort Clasificación rápida de neuronas mediante Super-paramagnetic Clustering
dc.creator.none.fl_str_mv Heitman, Christian Nicolás
author Heitman, Christian Nicolás
author_facet Heitman, Christian Nicolás
author_role author
dc.contributor.none.fl_str_mv Fernández Slezak, Diego
Ison, Matías Julián
dc.subject.none.fl_str_mv NEUROCIENCIAS
ACTIVIDAD NEURONAL
ORDENAMIENTO DE ESPIGAS
PROCESAMIENTO ON LINE
SUPER PARAMAGNETIC CLUSTERING
NEUROSCIENCE
NEURAL ACTIVITY
SPIKE SORTING
ON LINE PROCESSING
SUPER PARAMAGNETIC CLUSTERING
topic NEUROCIENCIAS
ACTIVIDAD NEURONAL
ORDENAMIENTO DE ESPIGAS
PROCESAMIENTO ON LINE
SUPER PARAMAGNETIC CLUSTERING
NEUROSCIENCE
NEURAL ACTIVITY
SPIKE SORTING
ON LINE PROCESSING
SUPER PARAMAGNETIC CLUSTERING
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2012
dc.date.none.fl_str_mv 2012
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000745_Heitman
url https://hdl.handle.net/20.500.12110/seminario_nCOM000745_Heitman
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1844618757862850560
score 13.070432