Nuevos rasgos morfológicos para la clasificación por medios computacionales de neuronas trazadas

Nuevos rasgos morfológicos para la clasificación por medios computacionales de neuronas trazadas

Ciencias técnicas, Educación - pedagogía e investigación

Ciencias de la Educación

Las neuronas son el elemento base del cerebro, por tanto la comprensión de sus propiedades y formas de conexión constituyen un importante área de investigación en la neurociencia moderna. Los nuevos avances en las técnicas de representación de las neuronas hacen posible un mejor estudio sobre sus estructuras. En esta investigación se aborda la clasificación automática de neuronas reconstruidas a través de sus rasgos morfológicos. Se realiza un estudio sobre los rasgos más discriminatorios a partir del software L-Measure, el cual es considerado como uno de los más importantes en esta área. Las principales limitaciones en la clasificación de neuronas basada en su morfología estriban en que la geometría de neuronas individuales varía significativamente dentro de una misma clase y que neuronas de diferentes clases pueden compartir muchas de las características que se registran como rasgos morfológicos. Por tanto, el encontrar los descriptores que mejor separen tipos de neuronas es de vital importancia para mejorar las clasificaciones automáticas, así como para la comprensión de las estructuras neuronales. Se desarrollaron nuevos rasgos morfológicos basados en los ángulos que se forman entre sus compartimentos, en distancias y en modificaciones del análisis de Sholl. Se utilizan métodos de selección de rasgos para obtener subconjuntos de menor cardinalidad y se prueban en tareas de clasificación supervisada. El estudio se basó en dos tipos de neuronas: las neuronas piramidales y las interneuronas GABAérgicas, que se consideran los dos tipos principales en la corteza cerebral. Los nuevos rasgos mostraron alto valor discriminatorio, los valores de AUC y Acc obtenidos en los experimentos superan a los obtenidos con los rasgos pertenecientes al L-Measure.

López Cabrera, José Daniel

Lorenzo Ginori, Juan V. (Director)

Editorial Universitaria

2019

Cuba, Ministerio de Educación Superior

pdf Interactivo (1,69 Mb)

Español

Texto

isbn:9789591644626

Santa Clara