Busca avançada
Ano de início
Entree

Análise e inferência de conexões cerebrais com teoria de informação e análise não linear

Processo: 18/09900-8
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de junho de 2018
Vigência (Término): 30 de novembro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
Pesquisador responsável:Jorge Stolfi
Beneficiário:Arthur Lopes da Silva Valencio
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Vinculado ao auxílio:13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
Assunto(s):Sistemas complexos   Análise de séries temporais   Análise funcional não linear   Inferência   Rede nervosa

Resumo

A inferência de conexões entre diferentes regiões do cérebro é de interesse prático para o esclarecimento de processos como a percepção sensorial, patologias como Epilepsia e reações do sistema nervoso central à rápida perda neuronal, como devido à Doença de Alzheimer ou após um Derrame. Porém, metodologias de análise padrão não são adequadas ao problema devido à alta complexidade das conexões no cérebro e da dinâmica neuronal, que não é um sistema linear. Assim, o entendimento do sistema cerebral requer análise das características dos sinais de EEG/MEG/fMRI/SPECT, bem como uma ferramenta de inferência de conexões diretas ou funcionais apta a lidar com problemas com alta complexidade das conexões. Duarte et al. (2017) considera o problema da inferência de um grafo de interação de neurônios em um modelo estocástico. Tal opção de modelo neuronal, a qual o NeuroMat é um centro de referência internacional, se demonstrou bem-sucedido à análise da reação do cérebro à estímulos externos (Duarte et al., 2018). Esta pesquisa busca continuar a contribuir para o desenvolvimento de métodos de inferência para o modelo estocástico do cérebro e associar a ferramentas da teoria da informação para a análise de sinais de EEG, com particular ênfase para casos com possibilidade de auxiliar o diagnóstico de patologias clínicas. Prevê-se que caso a pesquisa possa ser estendida para o desenvolvimento de ferramenta de uso para setores de diagnóstico no Sistema Único de Saúde. Esta pesquisa contribui ao projeto NeuroMat auxiliando no desenvolvimento matemático do modelo estocástico do cérebro, focando mais no aspecto de inferência baseada em dados. Esta pesquisa mais especificamente foca na linha de 'inferência de interação funcional entre estruturas neuronais' dentro do projeto NeuroMat. A. Duarte, A. Galves, E. Locherbach and G. Ost. Estimating the interaction graph of stochastic neural dynamics. Preprint, 2017. https://arxiv.org/pdf/1604.00419.pdf A. Duarte, R. Fraiman, A. Galves, G. Ost and C. D. Vargas. Context tree selection for functional data. Preprint, 2018. https://arxiv.org/pdf/1602.00579.pdf. (AU)