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
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- seminario:seminario_nCOM000745_Heitman
Ver los metadatos del registro completo
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 |