El Colegio de México

• Título: Métodos de aprendizaje automático para la identificación y predicción de neuronas en registros electrofisiológicos del cerebello = Machine learning methods for neuronal identification and prediction from electrophysiological recordings in the cerebellum
• Autor: Martínez Lopera, Maria Gabriela
• Publicación original: 2020
• Descripción física: PDF
• Nota general:
  • Bruselas (Bélgica)
• Notas de reproducción original: Digitalización realizada por la Biblioteca Virtual del Banco de la República (Colombia)
• Notas:
  • Resumen: The cerebellum is a fundamental component of the vertebrate brain that is mainly responsible for physical coordination and movement learning. Its internal working mechanisms are still beyond understanding mainly due to the inability of expert neuroscientists to confidently classify observed cells in the cerebellar cortex based on their electrophysiological behavior, this is, the way in which neurons conduct electricity. Thanks to the advances in microchip technology and computational power, it is now possible to use machine learning to translate this biological problem into a multi-label classification one. In this study, neuron samples previously taken from the mouse cerebellum were processed and analyzed to feed a set of unsupervised and supervised methodologies with state-of-the-art modeling features that allowed the identification and prediction of four of the five types of cells that constitute the cerebellar cortex: Purkinje, Golgi, Granule, and Mossy Fibers, with precision levels that outperform a baseline model set according to experts’ assessment. El cerebelo es un componente fundamental del cerebro vertebrado, y es principalmente responsable de la coordinación física y motora. Su funcionamiento interno es aún incomprendido debido a la inhabilidad de la comunidad neurocientífica para clasificar confidentemente las células observadas en el córtex del cerebelo basándose en su electrofisiología, es decir, el modo en el que las neuronas conducen electricidad. Gracias a los avances más recientes en tecnología microchip y poder computacional, hoy en día es posible implementar métodos de aprendizaje automático para traducir este problema biológico en un problema de tipo multi-clasificación. En este estudio, muestras de neuronas tomadas del cerebelo en ratones vivos fueron procesadas y analizadas con el fin de entrenar modelos supervisados y no supervisados que a partir de variables de modelación conocidas en el estado del arte permitieron la identificación y predicción de cuatro de los cinco tipos de neuronas presentes en el córtex del cerebelo: Purkinje, Golgi, Granule, y fibras Mossy, con niveles de precisión que sobrepasaron el modelo base fijado por expertos.
  • © Derechos reservados del autor
  • Colfuturo
• Forma/género: tesis
• Idioma: castellano
• Institución origen: Biblioteca Virtual del Banco de la República
• Encabezamiento de materia:
  • Células corticales del cerebelo; Córtex del cerebelo; Cerebelo; Clasificador de alta precisión; Aprendizaje automático; Predicción neuronal; Agrupamiento no supervisado; Clasificación supervisada; Cerebellar cortical cells; Cerebellar cortex; Cerebellum; High-precision classifier; Machine Learning; Neuronal prediction; Unsupervised clustering; Supervised classification
  • Generalidades; Generalidades / Procesamiento de datos Ciencia de los computadores

Web semántica