Causalidade de Granger bidirecional via bandas de frequência distintas em redes de neurônios Izhikevich

• Autor(a) principal: CASTRO, Daniel Miranda
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/00130000123j6
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/34185
• topic: Dinâmica não-linear; Sistemas complexos; Neurociência; Oscilações corticais

Para a neurociência, um problema essencial é desvendar de que forma os complexos padrões de atividade elétrica do cérebro codificam as informações dos estímulos sensoriais e da própria atividade interna do sistema nervoso. Nesse contexto, uma das abordagens utilizadas para lidar com este problema é o estudo do papel funcional das ondas corticais. Estas ondas são caracterizadas por padrões oscilatórios que facilitam a sincronização de populações de neurônios em escalas espaciais e temporais diversas, a depender do seu mecanismo gerador e função biológica. Vários estudos recentes, experimentais ([1, 2, 3]), e computacionais ( [4]), relatam que medidas de transmissão de informação, como a da causalidade de Granger, mostram que áreas corticais engajadas em tarefas específicas podem se influenciar mutuamente através de ondas corticais. Nesses experimentos, o fluxo de informação acontece em regiões diferentes do espectro de frequências do sinal (e.g. nas bandas alfa e gama ou beta e gama), a depender do sentido observado. Estudar esse tipo de fenômeno pode elucidar questões sobre como ocorre o processamento da informação sensorial que chega no cérebro, bem como ajudar a construir mapas funcionais de como diferentes regiões corticais interagem entre si. A proposta desta dissertação é apresentar simulações computacionais de redes de neurônios Izhikevich, onde se buscou fazer emergir esse fluxo de informação bidirecional através de bandas de frequências distintas. Após uma introdução conceitual, serão descritos de forma mais detalhada o procedimento para construção do modelo e a definição das ferramentas de análise de sinais necessárias no trabalho, com ênfase na causalidade de Granger. Nos capítulos finais, serão apresentados os resultados inéditos obtidos na pesquisa, junto com um capítulo contendo reprodução de Matias et al. (2015)[5], sobre causalidade de Granger em redes neuronais capazes de exibir sincronização antecipada.