Algoritmos para inferência de conectividade neural em potenciais evento-relacionados.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/3/3142/tde-17032017-094453/ |
Resumo: | Esta dissertação apresenta o desenvolvimento, a validação e a aplicação de algoritmos para inferência de conectividade neural em registros de EEG contendo potenciais evento-relacionados (ERP). Os sinais foram caracterizados via modelos auto-regressivos multivariados (MVAR) e empregou-se a coerência parcial direcionada (PDC) no estudo das relações de causalidade entre eles. Certas características dos ERPs, como sua transitoriedade intrínseca e as múltiplas repetições em experimentos, levaram ao desenvolvimento de novos algoritmos, como a estimação de modelos conjuntos a partir de vários segmentos de sinal e um procedimento em janela deslizante capaz de descrever a evolução temporal da estatística dos sinais de interesse. Ademais, mostrou-se a possibilidade de estender os resultados da análise assintótica da estatística da PDC ao caso multi-trecho, tornando possível o estudo de sua significância estatística sem recorrer a procedimentos de reamostragem. Os algoritmos foram validados em exemplos com neural mass models, modelos não-lineares capazes de gerar sinais com características muito semelhantes a sinais de EEG reais, e aplicados a uma base de dados pública contendo resultados de experimentos com ratos. |
id |
USP_8e09698ec969cc2de98ee792d70042df |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-17032017-094453 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados.Algorithms for inference of neural connectivity in event-related potentials.AlgoritmosAuto-regressive models for segmentsEvent-related potentialsNeural connectivityPartial directed coherencePotenciais evocadosProcessamento de sinaisSinais biomédicosEsta dissertação apresenta o desenvolvimento, a validação e a aplicação de algoritmos para inferência de conectividade neural em registros de EEG contendo potenciais evento-relacionados (ERP). Os sinais foram caracterizados via modelos auto-regressivos multivariados (MVAR) e empregou-se a coerência parcial direcionada (PDC) no estudo das relações de causalidade entre eles. Certas características dos ERPs, como sua transitoriedade intrínseca e as múltiplas repetições em experimentos, levaram ao desenvolvimento de novos algoritmos, como a estimação de modelos conjuntos a partir de vários segmentos de sinal e um procedimento em janela deslizante capaz de descrever a evolução temporal da estatística dos sinais de interesse. Ademais, mostrou-se a possibilidade de estender os resultados da análise assintótica da estatística da PDC ao caso multi-trecho, tornando possível o estudo de sua significância estatística sem recorrer a procedimentos de reamostragem. Os algoritmos foram validados em exemplos com neural mass models, modelos não-lineares capazes de gerar sinais com características muito semelhantes a sinais de EEG reais, e aplicados a uma base de dados pública contendo resultados de experimentos com ratos.This dissertation presents the development, validation, and application of algorithms for inferring neural connectivity in EEG signals containing event-related potentials (ERP). The time series were described via multivariate auto-regressive models (MVAR) and partial directed coherence (PDC) was used to study causal relations between them. Certain features of the ERPs, such as their transitory behavior and the existence of multiple trials in an experiment, lead to the development of a new algorithm capable of estimating a joint model from multiple segments and a sliding-window procedure for describing the nonstationarity behavior of the signals of interest. Furthermore, the possibility of extending the asymptotic results for PDC\'s statistics to the multi-trial case was demonstrated, allowing, therefore, the study of its statistical significance without recurring to resampling methods. The algorithms were validated in examples with neural mass models, non-linear models capable of generating signals with features very similar to real EEG recordings, and then applied to a publicly available dataset of experiments in rats.Biblioteca Digitais de Teses e Dissertações da USPBaccala, Luíz AntonioRodrigues, Pedro Luiz Coelho2016-09-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3142/tde-17032017-094453/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2018-07-17T16:34:08Zoai:teses.usp.br:tde-17032017-094453Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212018-07-17T16:34:08Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. Algorithms for inference of neural connectivity in event-related potentials. |
title |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
spellingShingle |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. Rodrigues, Pedro Luiz Coelho Algoritmos Auto-regressive models for segments Event-related potentials Neural connectivity Partial directed coherence Potenciais evocados Processamento de sinais Sinais biomédicos |
title_short |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
title_full |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
title_fullStr |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
title_full_unstemmed |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
title_sort |
Algoritmos para inferência de conectividade neural em potenciais evento-relacionados. |
author |
Rodrigues, Pedro Luiz Coelho |
author_facet |
Rodrigues, Pedro Luiz Coelho |
author_role |
author |
dc.contributor.none.fl_str_mv |
Baccala, Luíz Antonio |
dc.contributor.author.fl_str_mv |
Rodrigues, Pedro Luiz Coelho |
dc.subject.por.fl_str_mv |
Algoritmos Auto-regressive models for segments Event-related potentials Neural connectivity Partial directed coherence Potenciais evocados Processamento de sinais Sinais biomédicos |
topic |
Algoritmos Auto-regressive models for segments Event-related potentials Neural connectivity Partial directed coherence Potenciais evocados Processamento de sinais Sinais biomédicos |
description |
Esta dissertação apresenta o desenvolvimento, a validação e a aplicação de algoritmos para inferência de conectividade neural em registros de EEG contendo potenciais evento-relacionados (ERP). Os sinais foram caracterizados via modelos auto-regressivos multivariados (MVAR) e empregou-se a coerência parcial direcionada (PDC) no estudo das relações de causalidade entre eles. Certas características dos ERPs, como sua transitoriedade intrínseca e as múltiplas repetições em experimentos, levaram ao desenvolvimento de novos algoritmos, como a estimação de modelos conjuntos a partir de vários segmentos de sinal e um procedimento em janela deslizante capaz de descrever a evolução temporal da estatística dos sinais de interesse. Ademais, mostrou-se a possibilidade de estender os resultados da análise assintótica da estatística da PDC ao caso multi-trecho, tornando possível o estudo de sua significância estatística sem recorrer a procedimentos de reamostragem. Os algoritmos foram validados em exemplos com neural mass models, modelos não-lineares capazes de gerar sinais com características muito semelhantes a sinais de EEG reais, e aplicados a uma base de dados pública contendo resultados de experimentos com ratos. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-09-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/3/3142/tde-17032017-094453/ |
url |
http://www.teses.usp.br/teses/disponiveis/3/3142/tde-17032017-094453/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090792708374528 |