Este trabalho descreve o projeto e a implementação de instrumentação eletrônica dedicada para neurobiofísica, com foco para pesquisas em codificação neural com invertebrados. Foram desenvolvidos sistemas de tempo real, controlados por computador, para a aquisição de tempos de disparo de spikes neurais oriundos de neurônios do cérebro de moscas, e para a geração de sinais de controle de estímulos visuais gerados a uma taxa de varredura vertical de 500Hz, usado para estimulações visuais em invertebrados. Estes sistemas possuem hardware dedicado, incluindo front end analógico, hardware digital baseado em FPGAs, hospedado em microcomputador IBM/PC compatível, que prove a interface do sistema com o usuário. Dois protótipos foram construídos, sendo o primeiro com ênfase em hardware dedicado, e o segundo com ênfase em sistema operacional de tempo real para controle do hospedeiro. Ambos sistemas estão sendo utilizados no laboratório Dipteralab do IFSC, para o estudo da transmissão da informação no duto óptico da mosca / This work describes the project and implementation of custom build electronic instrumentation to be used in neurobiophysical research, more precisely in neural coding experiments with invertebrates. A hard real time computer controlled integrated system was developed capable to acquire the timestamps of evoked neural spikes of a fly submitted to visual stimuli. The visual stimuli generator is a custom build system connected to the hard real time computer capable to generate images at a frame rate of 500Hz. Dedicated hardware was developed, including an analog front end and FPGA based digital circuits. The IBM/PC compatible computer hosted hardware provides the system interface with the end user. Two prototypes were build, one based on dedicated hardware and the other based on real time routines executed on the host computer. Both systems are in use at the Dipteralab of our institute to study the information transmission of the optic flow signal in fly.

Como a informação sobre o ambiente natural é codificada na atividade neural do cérebro? Existe de fato um código neural que impera ao longo de todo processamento neural? Essas são algumas das grandes perguntas da Neurociência da atualidade. Assumindo que estratégias bem sucedidas são preservadas e reaproveitadas através da Evolução, buscamos explorar essas questões ao analisar a resposta extracelular do neurônio H1 do sistema visual da mosca a estímulos visuais com distribuições estatísticas de velocidades horizontais bem definidas. Utilizando uma abordagem de Sistemas Complexos, a análise de multifractalidade do código neural do H1 lança algumas luzes sobre uma estratégia de codificação fascinante, sustentando a idéia de que esse neurônio é capaz de falar diferentes linguagens, se ajustando de forma extremamente dinâmica e flexível à complexidade do estímulo visual (1), visando uma transmissão ótima de informação (2). / How is information about the natural environment coded in the brain neural activity? Is there really a neural code that reigns throughout the neural processing? These are some of the greatest questions of todays Neuroscience. Assuming that well succeeded strategies are preserved and reused through Evolution, we seek to explore these questions by analyzing the extracellular response of the blowfly visual system H1 neuron to certain visual stimuli with well known statistical distributions of horizontal velocities. Using a Complex Systems approach, the multifractality analysis of H1s neural code casts highlights in its fascinating coding strategy, supporting the idea that this neuron is capable of speaking different languages by adjusting itself to the complexity in visual stimuli in a very dynamical and flexible way (1), aiming at a optimal information transmission (2).

Este trabalho descreve o projeto e a implementação de instrumentação eletrônica dedicada para neurobiofísica, com foco para pesquisas em codificação neural com invertebrados. Foram desenvolvidos sistemas de tempo real, controlados por computador, para a aquisição de tempos de disparo de spikes neurais oriundos de neurônios do cérebro de moscas, e para a geração de sinais de controle de estímulos visuais gerados a uma taxa de varredura vertical de 500Hz, usado para estimulações visuais em invertebrados. Estes sistemas possuem hardware dedicado, incluindo front end analógico, hardware digital baseado em FPGAs, hospedado em microcomputador IBM/PC compatível, que prove a interface do sistema com o usuário. Dois protótipos foram construídos, sendo o primeiro com ênfase em hardware dedicado, e o segundo com ênfase em sistema operacional de tempo real para controle do hospedeiro. Ambos sistemas estão sendo utilizados no laboratório Dipteralab do IFSC, para o estudo da transmissão da informação no duto óptico da mosca / This work describes the project and implementation of custom build electronic instrumentation to be used in neurobiophysical research, more precisely in neural coding experiments with invertebrates. A hard real time computer controlled integrated system was developed capable to acquire the timestamps of evoked neural spikes of a fly submitted to visual stimuli. The visual stimuli generator is a custom build system connected to the hard real time computer capable to generate images at a frame rate of 500Hz. Dedicated hardware was developed, including an analog front end and FPGA based digital circuits. The IBM/PC compatible computer hosted hardware provides the system interface with the end user. Two prototypes were build, one based on dedicated hardware and the other based on real time routines executed on the host computer. Both systems are in use at the Dipteralab of our institute to study the information transmission of the optic flow signal in fly.

Como a informação sobre o ambiente natural é codificada na atividade neural do cérebro? Existe de fato um código neural que impera ao longo de todo processamento neural? Essas são algumas das grandes perguntas da Neurociência da atualidade. Assumindo que estratégias bem sucedidas são preservadas e reaproveitadas através da Evolução, buscamos explorar essas questões ao analisar a resposta extracelular do neurônio H1 do sistema visual da mosca a estímulos visuais com distribuições estatísticas de velocidades horizontais bem definidas. Utilizando uma abordagem de Sistemas Complexos, a análise de multifractalidade do código neural do H1 lança algumas luzes sobre uma estratégia de codificação fascinante, sustentando a idéia de que esse neurônio é capaz de falar diferentes linguagens, se ajustando de forma extremamente dinâmica e flexível à complexidade do estímulo visual (1), visando uma transmissão ótima de informação (2). / How is information about the natural environment coded in the brain neural activity? Is there really a neural code that reigns throughout the neural processing? These are some of the greatest questions of todays Neuroscience. Assuming that well succeeded strategies are preserved and reused through Evolution, we seek to explore these questions by analyzing the extracellular response of the blowfly visual system H1 neuron to certain visual stimuli with well known statistical distributions of horizontal velocities. Using a Complex Systems approach, the multifractality analysis of H1s neural code casts highlights in its fascinating coding strategy, supporting the idea that this neuron is capable of speaking different languages by adjusting itself to the complexity in visual stimuli in a very dynamical and flexible way (1), aiming at a optimal information transmission (2).

Peixes elétricos de campo fraco comunicam-se por meio de descargas elétricas de forma de onda estereotipada, variando somente o intervalo entre pulsos de acordo com a informação a ser transmitida. Esse mecanismo de codificação é similar ao encontrado em diversos circuitos de neurônios conhecidos, o que torna esses animais excelentes modelos para o estudo de sistemas de comunicação naturais, permitindo experimentos que envolvem tanto aspectos comportamentais como neuroetológicos. É um desafio realizar análises de dados coletados de mais de um peixe nadando livremente, pois os padrões de descargas de órgão elétrico (DOE) dependem da posição dos animais e de suas orientações com relação aos eletrodos de medida. Contudo, como cada peixe emite uma forma de onda de DOE característica, ferramentas computacionais podem ser empregadas para associar cada DOE ao respectivo peixe. Neste trabalho, descrevemos um método computacional capaz de reconhecer DOEs de pares de peixes usando vetores de características normalizados, obtidos aplicando a transformada de Fourier e a transformada complexa de dupla árvore de pacote wavelet. Empregamos máquinas de vetores de suporte como classificadores, e um algoritmo de regra de continuidade permite resolver problemas causados por DOEs sobrepostas e saturação de sinais. Procedimentos de validação com Gymnotus sp. mostraram que as DOEs podem ser atribuídas corretamente a cada peixe com apenas dois erros por milhão de descargas. Para permitir que esse processo de discriminação ocorra em tempo real, implementamos uma arquitetura de hardware dedicada e maciçamente paralela em um field programmable gate array (FPGA) para executar a etapa de maior esforço computacional do algoritmo de discriminação. Como resultado, obtivemos um sistema híbrido de hardware e software de tempo real que foi capaz de atender a um requisito de latência máxima de 1 ms, o que permite mimetizar o tempo de resposta de importantes sistemas sensoriais elétricos de Gymnotus sp. Com o auxílio de nossa instrumentação, diversos experimentos com realimentação poderão ser propostos, permitindo que um modelo computacional interaja com dois peixes em uma preparação in vivo naturalística. / Pulse-type weakly electric fishes communicate through electrical discharges with a stereotyped waveform, varying solely the interval between pulses according to the information being transmitted. This simple codification mechanism is similar to the one found in various known neuronal circuits, which renders these animals as good models for the study of natural communication systems, allowing experiments involving behavioral and neuroethological aspects. Performing analysis of data collected from more than one freely swimming fish is a challenge since the detected electric organ discharge (EOD) patterns are dependent on each animal´s position and orientation relative to the electrodes. However, since each fish emits a characteristic EOD waveform, computational tools can be employed to match each EOD to the respective fish. In this work we describe a computational method able to recognize fish EODs from dyads using normalized feature vectors obtained by applying Fourier and dual-tree complex wavelet packet transforms. We employ support vector machines as classifiers, and a continuity constraint algorithm allows us to solve issues caused by overlapping EODs and signal saturation. Validation procedures with Gymnotus sp. showed that EODs can be assigned correctly to each fish with only two errors per million discharges. In order to allow this discrimination process to occur in real-time, we implemented a massively parallel application-specific hardware architecture in a field programmable gate array (FPGA) to run the discrimination algorithm step whose computational effort is the highest among the others. As a result, we obtained a hardware and real-time software co-design that was able to meet a maximum latency requirement of 1 ms, allowing it to mimic the response time of major electrical sensory systems of Gymnotus sp. Our instrumentation will enable the proposal of several novel experiments with closed-loop feedback, allowing a computer model to interact with two fish in a naturalistic in vivo preparation.

Peixes elétricos de campo fraco comunicam-se por meio de descargas elétricas de forma de onda estereotipada, variando somente o intervalo entre pulsos de acordo com a informação a ser transmitida. Esse mecanismo de codificação é similar ao encontrado em diversos circuitos de neurônios conhecidos, o que torna esses animais excelentes modelos para o estudo de sistemas de comunicação naturais, permitindo experimentos que envolvem tanto aspectos comportamentais como neuroetológicos. É um desafio realizar análises de dados coletados de mais de um peixe nadando livremente, pois os padrões de descargas de órgão elétrico (DOE) dependem da posição dos animais e de suas orientações com relação aos eletrodos de medida. Contudo, como cada peixe emite uma forma de onda de DOE característica, ferramentas computacionais podem ser empregadas para associar cada DOE ao respectivo peixe. Neste trabalho, descrevemos um método computacional capaz de reconhecer DOEs de pares de peixes usando vetores de características normalizados, obtidos aplicando a transformada de Fourier e a transformada complexa de dupla árvore de pacote wavelet. Empregamos máquinas de vetores de suporte como classificadores, e um algoritmo de regra de continuidade permite resolver problemas causados por DOEs sobrepostas e saturação de sinais. Procedimentos de validação com Gymnotus sp. mostraram que as DOEs podem ser atribuídas corretamente a cada peixe com apenas dois erros por milhão de descargas. Para permitir que esse processo de discriminação ocorra em tempo real, implementamos uma arquitetura de hardware dedicada e maciçamente paralela em um field programmable gate array (FPGA) para executar a etapa de maior esforço computacional do algoritmo de discriminação. Como resultado, obtivemos um sistema híbrido de hardware e software de tempo real que foi capaz de atender a um requisito de latência máxima de 1 ms, o que permite mimetizar o tempo de resposta de importantes sistemas sensoriais elétricos de Gymnotus sp. Com o auxílio de nossa instrumentação, diversos experimentos com realimentação poderão ser propostos, permitindo que um modelo computacional interaja com dois peixes em uma preparação in vivo naturalística. / Pulse-type weakly electric fishes communicate through electrical discharges with a stereotyped waveform, varying solely the interval between pulses according to the information being transmitted. This simple codification mechanism is similar to the one found in various known neuronal circuits, which renders these animals as good models for the study of natural communication systems, allowing experiments involving behavioral and neuroethological aspects. Performing analysis of data collected from more than one freely swimming fish is a challenge since the detected electric organ discharge (EOD) patterns are dependent on each animal´s position and orientation relative to the electrodes. However, since each fish emits a characteristic EOD waveform, computational tools can be employed to match each EOD to the respective fish. In this work we describe a computational method able to recognize fish EODs from dyads using normalized feature vectors obtained by applying Fourier and dual-tree complex wavelet packet transforms. We employ support vector machines as classifiers, and a continuity constraint algorithm allows us to solve issues caused by overlapping EODs and signal saturation. Validation procedures with Gymnotus sp. showed that EODs can be assigned correctly to each fish with only two errors per million discharges. In order to allow this discrimination process to occur in real-time, we implemented a massively parallel application-specific hardware architecture in a field programmable gate array (FPGA) to run the discrimination algorithm step whose computational effort is the highest among the others. As a result, we obtained a hardware and real-time software co-design that was able to meet a maximum latency requirement of 1 ms, allowing it to mimic the response time of major electrical sensory systems of Gymnotus sp. Our instrumentation will enable the proposal of several novel experiments with closed-loop feedback, allowing a computer model to interact with two fish in a naturalistic in vivo preparation.

Descrevemos os processos de captura, criação e micromanipulação cirúrgica das moscas Chrysomya megacephala. Apresentamos os processos de geração de estímulo e registro da atividade dos dois neurônios H1 localizados na placa lobular de seu cérebro. Um primeiro resultado apresentado refere-se a acuidade de seu sistema visual. Desenvolvemos um procedimento para comparar sua taxa de disparos espontâneos com as respostas do neurônio H1 quando sujeito a estímulos de excitação e inibição. Mostramos que o sistema visual da mosca não está apenas adaptado a detectar grandes fluxos ópticos mas também, é capaz de detectar pequenas velocidades de aproximadamente 1, 5o.s-1 e de apenas 0,25o de amplitude. Estes valores mostram que a mosca é capaz de detectar deslocamentos angulares muito menores do que sua abertura omatidial, = 1 2o. Outro resultado apresentado é obtido ao estudarmos o processo de codificação-decodificação neural. Alguns sistemas sensoriais agem como um conversor analógico-digital, recebendo um estímulo S(t) e codificando-o em uma sequência de pulsos, spikes. O processo de decodificação da resposta neural consiste em receber este conjunto pulsos e gerar uma estimativa Se(t) do estmulo. Este processo requer a computação e subsequente inversão de funções de correlação de alta ordem. A dimensão das matrizes que representam estas funções pode se tornar proibitivamente grande. Apresentamos um eficiente método para reduzir estas funções de correlação. Esta aproximação tem baixo custo computacional, evita a inversão de grandes matrizes e nos da um excelente resultado para a reconstrução do estímulo. Testamos a qualidade de nossa reconstrução sobre estímulos de rotação e translação. A contribuição dos núcleos de segunda ordem para a reconstrução do estímulo é de apenas 8% da contribuição dos núcleos de primeira ordem. Entretanto, em instantes específicos, a adição destes núcleos pode representar uma contribuição de ate 100%. Finalmente, investigamos quais atributos do estímulo são codificados pelos neurônios H1. Nosso espaço de estímulos possui um conjunto da ordem de 2 × 1096 elementos. É impossível imaginar que o sistema formado pelos dois neurônios H1 seja capaz de codificar eficientemente esta enorme quantidade de elementos. É razoável considerar que este sistema seja ao menos capaz de codificar um atributo essencial do movimento, seu sentido - rotações horizontais para direita ou para esquerda. Desta forma, apresentamos dois estímulos distintos para a mosca, um no qual suas velocidades são retiradas de uma distribuição Gaussiana e outro que contem apenas o sentido deste movimento. Obtemos uma correlação da ordem de 80 - 90% entre as estimativas de ambos os estímulos, estimativas obtidas através do processo de reconstrução linear. Obtemos aproximadamente 85% de eficiência na predição do sentido deste movimento. Ao utilizarmos a Teoria da Informação, encontramos uma diferença de apenas 10% entre as taxas de informação transmitida sobre os estímulos Gaussiano e sua versão reduzida. Concluímos que a propriedade comum a estes dois estímulos, o sentido do movimento, é o atributo relevante a ser codificado pelos neurônios H1. / We describe the practices of capturing, creation, and microsurgery of the flies Chrysomya megacephala. We present the procedures of stimulus generation and recording of the activity of the two H1 neurons in the lobula plate of its brain. One first result presented is related to its visual system acuity. We developed a method to compare its spontaneous firing rate with the H1s responses to excitatory and inhibitory stimuli. We show that the flys visual system is not only adapted to detect large optic flows but is also capable to detect small velocities about 1, 5o.s-1 with just 0, 25o of amplitude. These values show that the fly is capable to detect angular displacements much smallers than its ommatidial aperture, = 1 2o. Another relevant result is attained studying the processes of neural encode-decode. Some sensorial systems act as an analog-to-digital conversor, these systems encode the input stimulus S(t) in a sequence of action potential, spikes. The decoding process of the neural response consists of capturing this set of spikes and to generate an estimate Se(t) of the stimulus. This process requires the computation and subsequent inversion of high order correlations functions. The dimension of the matrixes that represent these functions can become prohibitively large. We present an efficient method to reduce these correlation functions. This approximation has low computational cost, avoids large matrixes inversion and give to us an excellent result to the stimulus reconstruction. We tested the reconstruction quality of rotational and translational stimuli. The contribution of second order stimulus reconstruction kernels is just 8% of first order kernels contribution. However, in specific times, the addition of these kernels may represent a 100% contribution. Finally, we investigate which stimulus features are codified by the H1 neurons. The stimulus space has a set of about 2 × 1096 elements. It is impossible to imagine that the system formed by the two H1 neurons could be able to encode efficiently this amount of elements. It is reasonable to consider that this system is at least able to encode an essencial characteristic of movement, its direction horizontal rotations to the right or to the left. Therefore, we presente two different stimuli to the fly, one which have velocities taken from a Gaussian distribution and another which contains just the direction of this movement. We obtain about 80 - 90% correlation between the estimates of both stimuli, estimates obtained through linear reconstruction methods. We obtain about 85% of efficiency in the prediction of stimulus direction. We find just a 10% difference between the information rate transmitted about the Gaussian stimulus and its reduced version using Information Theory. We conclude that the common attribute of these stimuli, the direction of movement, is the relevant attribute to be codified by the H1 neurons.

O presente trabalho descreve o desenvolvimento de geradores de estímulos visuais para serem utilizados em experimentos de neurociência com invertebrados, tais como moscas. O experimento consiste na visualização de uma imagem fixa que é movida horizontalmente de acordo com os dados de estímulo recebidos. O sistema é capaz de exibir 640x480 pixels com 256 níveis intensidade a 200 frames por segundo em monitores de varredura convencional. É baseado em hardware reconfigurável (FPGA), incluindo a lógica para gerar as temporizações do vídeo, dos sinais de sincronismo, assim como da memória de vídeo. Uma lógica de controle especial foi incluída para atualizar o deslocamento horizontal da imagem, de acordo com os estímulos desejados, a uma taxa de 200 quadros por segundo. Em um dos geradores desenvolvidos, a fim de duplicar a resolução de posicionamento horizontal, passos artificiais entre-pixels foram implementados usando dois frame buffers de vídeo, contendo respectivamente os pixels ímpares e pares da imagem original a ser exibida. Esta implementação gerou um efeito visual capaz de dobrar a capacidade de posicionamento horizontal deste gerador. / This thesis describes the development of many visual stimulus generators to be used in neuroscience experiments with invertebrates such as flies. The experiment consists in the visualization of a fixed image which is moved horizontally according to the received stimulus data. The system is capable to display 640x480 pixels with 256 intensity levels at 200 frames per second on conventional raster monitors. It´s based on reconfigurable hardware (FPGA), includes the logic to generate video timings and synchronization signals as well as the video memory. Special control logic was included to update the horizontal image offsets according to the desired stimulus data at 200 fps. In one of the developed generators, with the intent to double the horizontal positioning resolution, artificial interpixel steps are implemented using two video frame buffer containing respectively the odd and the even pixels of the original image to be displayed. This implementation generates a visual effect capable to double the horizontal positioning capabilities of the generator.

Este trabalho descreve as pesquisas e desenvolvimentos em instrumentação eletrônica computacional, realizados para viabilizar experiências na área de neurobiofísica, tendo como objetivos principais a geração de estímulos visuais para invertebrados e a captação de sinais eletrofisiológicos gerados por sistemas biológicos sensoriais submetidos a estímulos. Trata-se de um conjunto de equipamentos que, operando de maneira integrada, são capazes de fornecer e sincronizar estímulos, realizar a aquisição dos dados de sinais neurais a serem utilizados para controle e análise em experiências in vivo\" nos estudos da visão de invertebrados no Laboratório de Neurobiofísica - DipteraLab do IFSC. A integração desta instrumentação eletrônica visa facilitar a sua utilização durante os experimentos, permitindo o acompanhamento das aquisições de dados neurais, viabilizando a realização de experimentos com alterações dos estímulos através de realimentação em tempo real. / This work describes the research and development of computational instrumentation to be used in experimental neurobiophysics. The developed electronic modules operate in an integrated manner and are used to generate visual stimuli for invertebrates and capture electrophysiological signals generated by biological systems subjected to sensory stimuli. They are able to provide synchronized stimuli and perform data acquisition of neural signals events to be used for control and analysis of vision experiments with invertebrates at the Laboratory of Neurobiophysics Dipteralab Laboratory, at the IFSC. The integration of electronic instrumentation facilitate its use during experiments allowing, through its monitoring capabilities of the neural data acquisition, the realization of experiments with real time stimuli changes through feedback. The possibility to perform pre-analyses of neural responses in behavioral closed loop experiments is also implemented.

Descrevemos os processos de captura, criação e micromanipulação cirúrgica das moscas Chrysomya megacephala. Apresentamos os processos de geração de estímulo e registro da atividade dos dois neurônios H1 localizados na placa lobular de seu cérebro. Um primeiro resultado apresentado refere-se a acuidade de seu sistema visual. Desenvolvemos um procedimento para comparar sua taxa de disparos espontâneos com as respostas do neurônio H1 quando sujeito a estímulos de excitação e inibição. Mostramos que o sistema visual da mosca não está apenas adaptado a detectar grandes fluxos ópticos mas também, é capaz de detectar pequenas velocidades de aproximadamente 1, 5o.s-1 e de apenas 0,25o de amplitude. Estes valores mostram que a mosca é capaz de detectar deslocamentos angulares muito menores do que sua abertura omatidial, = 1 2o. Outro resultado apresentado é obtido ao estudarmos o processo de codificação-decodificação neural. Alguns sistemas sensoriais agem como um conversor analógico-digital, recebendo um estímulo S(t) e codificando-o em uma sequência de pulsos, spikes. O processo de decodificação da resposta neural consiste em receber este conjunto pulsos e gerar uma estimativa Se(t) do estmulo. Este processo requer a computação e subsequente inversão de funções de correlação de alta ordem. A dimensão das matrizes que representam estas funções pode se tornar proibitivamente grande. Apresentamos um eficiente método para reduzir estas funções de correlação. Esta aproximação tem baixo custo computacional, evita a inversão de grandes matrizes e nos da um excelente resultado para a reconstrução do estímulo. Testamos a qualidade de nossa reconstrução sobre estímulos de rotação e translação. A contribuição dos núcleos de segunda ordem para a reconstrução do estímulo é de apenas 8% da contribuição dos núcleos de primeira ordem. Entretanto, em instantes específicos, a adição destes núcleos pode representar uma contribuição de ate 100%. Finalmente, investigamos quais atributos do estímulo são codificados pelos neurônios H1. Nosso espaço de estímulos possui um conjunto da ordem de 2 × 1096 elementos. É impossível imaginar que o sistema formado pelos dois neurônios H1 seja capaz de codificar eficientemente esta enorme quantidade de elementos. É razoável considerar que este sistema seja ao menos capaz de codificar um atributo essencial do movimento, seu sentido - rotações horizontais para direita ou para esquerda. Desta forma, apresentamos dois estímulos distintos para a mosca, um no qual suas velocidades são retiradas de uma distribuição Gaussiana e outro que contem apenas o sentido deste movimento. Obtemos uma correlação da ordem de 80 - 90% entre as estimativas de ambos os estímulos, estimativas obtidas através do processo de reconstrução linear. Obtemos aproximadamente 85% de eficiência na predição do sentido deste movimento. Ao utilizarmos a Teoria da Informação, encontramos uma diferença de apenas 10% entre as taxas de informação transmitida sobre os estímulos Gaussiano e sua versão reduzida. Concluímos que a propriedade comum a estes dois estímulos, o sentido do movimento, é o atributo relevante a ser codificado pelos neurônios H1. / We describe the practices of capturing, creation, and microsurgery of the flies Chrysomya megacephala. We present the procedures of stimulus generation and recording of the activity of the two H1 neurons in the lobula plate of its brain. One first result presented is related to its visual system acuity. We developed a method to compare its spontaneous firing rate with the H1s responses to excitatory and inhibitory stimuli. We show that the flys visual system is not only adapted to detect large optic flows but is also capable to detect small velocities about 1, 5o.s-1 with just 0, 25o of amplitude. These values show that the fly is capable to detect angular displacements much smallers than its ommatidial aperture, = 1 2o. Another relevant result is attained studying the processes of neural encode-decode. Some sensorial systems act as an analog-to-digital conversor, these systems encode the input stimulus S(t) in a sequence of action potential, spikes. The decoding process of the neural response consists of capturing this set of spikes and to generate an estimate Se(t) of the stimulus. This process requires the computation and subsequent inversion of high order correlations functions. The dimension of the matrixes that represent these functions can become prohibitively large. We present an efficient method to reduce these correlation functions. This approximation has low computational cost, avoids large matrixes inversion and give to us an excellent result to the stimulus reconstruction. We tested the reconstruction quality of rotational and translational stimuli. The contribution of second order stimulus reconstruction kernels is just 8% of first order kernels contribution. However, in specific times, the addition of these kernels may represent a 100% contribution. Finally, we investigate which stimulus features are codified by the H1 neurons. The stimulus space has a set of about 2 × 1096 elements. It is impossible to imagine that the system formed by the two H1 neurons could be able to encode efficiently this amount of elements. It is reasonable to consider that this system is at least able to encode an essencial characteristic of movement, its direction horizontal rotations to the right or to the left. Therefore, we presente two different stimuli to the fly, one which have velocities taken from a Gaussian distribution and another which contains just the direction of this movement. We obtain about 80 - 90% correlation between the estimates of both stimuli, estimates obtained through linear reconstruction methods. We obtain about 85% of efficiency in the prediction of stimulus direction. We find just a 10% difference between the information rate transmitted about the Gaussian stimulus and its reduced version using Information Theory. We conclude that the common attribute of these stimuli, the direction of movement, is the relevant attribute to be codified by the H1 neurons.