Spelling suggestions: "subject:"actividades neuronal""
1 |
Brain mechanisms underlying the tracking and localization of dynamic cuesLópez Pigozzi, Diego 02 April 2013 (has links)
Tesi realitzada a l'Equip de Neurociència de Sistemes - IDIBAPS / Since the discovery of the place cells in 1971 by John O’Keefe and colleagues an extensive work over the hippocampus has been developed as the mammal model of spatial navigation. Place cells are rodents’ hippocampal neurons whose firing is associated to certain locations of the environment. A majority of studies have focused on how the place fields (the area where the firing of a neuron is restricted) are generated in relation to the static cues of the environment (O'Keefe and Conway, 1978; Muller et al., 1987; Gothard et al., 1996). The present work assessed a similar question but regarding the dynamic cues surrounding the subject, and with the hypothesis that the hippocampus is also representing the position of other moving objects. In order to demonstrate if that was the case, we developed a behavioural protocol in which rats learnt to discriminate the movements of a robot in order to obtain reward, an Operant Position Discrimination Task (OPDT). Once the protocol was validated, the subjects were chronically implanted with tetrodes in the CA1 region of the hippocampus. In this way the activity of single hippocampal cells could be isolated off-line and the LFP of the area stored during the recordings. Using this method, the relationship between the firing of the cells and the field activity with the spatial parameters of the robot could be evaluated.
The results showed a modulation by the dynamic cue of the theta oscillation. While the locomotor activity of the subjects is directly related to the power of theta in natural conditions (Vanderwolf, 1969), during the movement of the robot such relationship was disrupted and the band power between 4-12 Hz showed a trough at this time.
The analysis of the single cells’ activity showed neurons locked to several spatial features of the dynamic cue. First, the position of the rat and the robot where analysed by information content parameters. Skaggs Index and Positional information (Markus et al., 1994; Olypher et al., 2003) showed neurons locked to the position of the subject as expected in CA1 and also other neurons locked to the positions of the robot. Second, moving from the spatial analysis to the temporal one, we found responses to the movement of the robot like OFF/ON variations of the basal activity of the neurons. Such changes in the firing patterns where quantified by the Mutual Information index (Nelken and Chechik, 2007) demonstrating that a large fraction of the neurons have a significant differential pattern of activity during the movement of the robot towards one side or the other. The use of the same index, MI, for the evaluation of the static or dynamic condition of the robot, also resulted in a set of neurons spiking with significant disparity during such epochs.
In conclusion, the present work has demonstrated the existence of neural correlates locked to a dynamic cue in the hippocampus. Both the field activity at the theta range, LFP between 4 and 12 Hz, and the activity of the hippocampal neurons were found to reflect and/or encode the spatial features of a dynamic cue. The present work has in this way enlarged the limited evidence present in the prior literature about the role of the hippocampus in the tracking and localization of dynamic cues with the use of a behavioural protocol where both the spatial and temporal dynamics could be assessed. / La correcta localización y seguimiento de las pistas dinámicas que se encuentran en el ambiente es una tarea crucial para el individuo. Comportamientos fundamentales como la caza, el apareamiento o el escape necesitan una correcta identificación de la posición de presas, congéneres y depredadores para su correcta realización. El sistema cerebral encargado de localizar al propio sujeto en el ambiente se sabe que se encuentra en la formación hipocampal después de que diversos estudios hayan demostrado la necesidad del mismo para una correcta orientación (Morris et al., 1982) y, aún más importante, tras el descubrimiento en roedores de neuronas que disparan únicamente en espacios restringidos del entorno, las células de lugar (O'Keefe and Dostrovsky, 1971). Si bien se conoce que estos procesos están fundados en una correcta representación de la posición de las pistas estáticas del ambiente (O'Keefe and Conway, 1978; Muller et al., 1987; Gothard et al., 1996), que sirven de referencia para la propia localización, poco se sabe acerca de cómo se integra la información relativa a los objetos y/o sujetos móviles que se encuentran en el mismo ambiente. Este trabajo tiene como objetivo principal intentar responder a esta pregunta, es decir, ¿en qué modo el hipocampo procesa la información relativa a las pistas dinámicas?
Para el desarrollo del estudio, primero, se diseñó una tarea comportamental que asegurara el hecho de que la pista dinámica resultase relevante para los sujetos de forma que los mismos prestaran atención a sus movimientos. Con este fin elegimos utilizar un robot cuyos desplazamientos pueden ser finamente controlados y asociar una recompensa a determinados patrones de navegación del robot. Después de probar con diferentes tareas de discriminación se llegó a una configuración (Operant Position Discrimination Task, OPDT) que permitía a los animales seguir los movimientos del robot desde un espacio separado en el cual recibían la recompensa en caso de discernir correctamente los desplazamientos de la pista. Una vez validada la tarea comportamental, a los sujetos que alcanzaron altas tasas de rendimiento se les implantaron tetrodos en la zona CA1 del hipocampo, lugar en el que se encuentran las células de lugar más estables. Una vez hecho el implante se procedió a registrar la actividad cerebral durante la ejecución de la tarea. Por una parte se aislaron los potenciales de acción pertenecientes a neuronas únicas y el potencial de campo de la zona, LFP.
Respecto a la actividad de campo, LFP, se observó una disminución significativa de la potencia en la banda theta, 4-12 Hz, relacionada generalmente con la actividad locomotora del sujeto (Vanderwolf, 1969) durante el movimiento del robot. Durante el resto del registro la relación entre velocidad y potencia de theta se mantuvo y sólo en el periodo de discriminación del movimiento del robot esta relación se vio alterada con un mínimo de potencia observado en diferentes sujetos y registros.
La actividad de las neuronas se analizó en función de los parámetros espaciales y dinámicos de la rata y el robot. Mirando la especificidad espacial del disparo de las neuronas a través de los parámetros Skaggs Index y Positional information (Markus et al., 1994; Olypher et al., 2003) se encontraron células significativamente ligadas en su actividad a la posición del sujeto o del robot. La actividad de las neuronas también se analizó de forma temporal, tomando como referencia el inicio de los estímulos, es decir el movimiento del robot hacia un lado u otro. Utilizando como índice la Mutual Information (Nelken and Chechik, 2007) se encontró que una larga proporción de las neuronas tienen respuestas diferenciales durante el movimiento del robot hacia uno de los lados. A su vez, el mismo análisis, pero en esta ocasión comparando los periodos en los que la pista se encuentra inmóvil con los que está en movimiento, determinó que otra fracción de las neuronas tiene patrones de disparo diferenciales según sea la condición dinámica de la pista.
El conjunto de los resultados obtenidos indica claramente que el hipocampo se encuentra involucrado activamente en la localización y el seguimiento de las pistas dinámicas, siendo esto reflejado tanto en la actividad de sus neuronas como en la actividad de campo global. Los parámetros espaciales de la pista que resultaron modulados durante la tarea fueron su posición, la dirección de su movimiento y el hecho en sí de permanecer inmóvil o en desplazamiento.
|
2 |
Procesamiento de señales de tomografía de impedancia eléctrica para el estudio de la actividad cerebralFernández Corazza, Mariano January 2015 (has links)
La tomografía de impedancia eléctrica (EIT) permite estimar la conductividad eléctrica interna de un cuerpo. Consiste en aplicar una corriente eléctrica sobre su frontera y medir el potencial eléctrico resultante mediante un arreglo de sensores. Es considerada como una potencial herramienta de diagnóstico médico, caracterizada principalmente por su portabilidad y relativo bajo costo. Si bien se encuentra aún en etapa de desarrollo, está comenzando a ser utilizada en centros de salud para la caracterización del aparato cardio-respiratorio y existe un creciente interés en su aplicación a las neurociencias. Por ejemplo, es posible utilizar la EIT para construir modelos virtuales de la cabeza más precisos mediante la estimación de la conductividad eléctrica de los principales tejidos de la cabeza como un conjunto de parámetros relativamente pequeño, modalidad denominada EIT paramétrico. También se puede utilizar la EIT para generar un mapa de la distribución de conductividad eléctrica interna de un objeto, llamado problema de reconstrucción en EIT. Los cambios de la conductividad eléctrica en la cabeza pueden estar asociados a la actividad neuronal, a focos epilépticos, a accidentes cerebro-vasculares o a tumores. Ambas modalidades de EIT requieren la resolución del problema directo (PD), que consiste en el cálculo de la distribución de potencial eléctrico en el objeto originada por la inyección de corriente sobre su superficie, suponiendo que la conductividad interna es conocida.
La estimulación de corriente continua transcraneal (tDCS) es físicamente muy similar a la EIT, pero la corriente eléctrica es aplicada sobre el cuero cabelludo de modo de alterar la tasa de disparos de poblaciones de neuronas en una región de interés. Es una potencial alternativa al empleo de psicofármacos para tratar desórdenes como epilepsia o depresiones.
En esta tesis se desarrollan y analizan nuevos métodos para distintos problemas de EIT, centrándose mayormente en aplicaciones a la cabeza humana, y de tDCS. En primer lugar, se describen soluciones analíticas y numéricas para el PD en EIT, estas últimas basadas en el método de los elementos finitos. Luego, se desarrolla un nuevo procedimiento para resolver el PD con bajo costo computacional basado en la formulación del PD en electroencefalografía (EEG).
Se propone un nuevo método para determinar la forma de onda de la fuente de corriente que permite desafectar la actividad propia del cerebro con un bajo número de muestras temporales. En EIT paramétrico, se utiliza la cota de Cramér-Rao (CRB) para determinar pares de electrodos convenientes para la inyección de corriente y para analizar límites teóricos en la estimación de las conductividades del cráneo y del cuero cabelludo, modelizándolos como tejidos isótropos y anisótropos. A su vez, se propone el estimador de máxima verosimilitud (MLE) como herramienta para realizar las estimaciones. El MLE se aplica a mediciones simuladas y reales de EIT mostrando un desempeño muy cercano a los límites teóricos.
Para el problema de reconstrucción en EIT se adapta el algoritmo sLORETA, muy utilizado en el problema de localización de fuentes de actividad neuronal en EEG. Además, se lo modifica levemente para incorporar la regularización espacial de Laplace. Por otro lado, se introduce la utilización de filtros espaciales adaptivos para localizar cambios de conductividad de pequeño tamaño y estimar su variación temporal. Los resultados muestran mejoras en sesgo y resolución, en comparación con algoritmos de reconstrucción típicos en EIT. Estas mejoras son potencialmente ventajosas en la detección de accidentes cerebro-vasculares y en la localización indirecta de fuentes de actividad neuronal.
En tDCS, se desarrolla un nuevo algoritmo para la determinación de patrones de inyección de corriente basado en el principio de reciprocidad y que considera restricciones de seguridad y de hardware. Los resultados obtenidos a partir de simulaciones muestran que el desempeño de dicho algoritmo es comparable al desempeño de algoritmos de optimización tradicionales cuyas soluciones implicarían un equipamiento comparativamente más complejo y costoso.
Los métodos desarrollados en la tesis son comparados con métodos pre-existentes y validados a través de simulaciones numéricas por computadora, mediciones sobre maquetas experimentales (ó fantomas) y, de acuerdo con las posibilidades experimentales y respetando los principios de la bioética, mediciones reales sobre humanos. / Electrical impedance tomography (EIT) is a technique to estimate the electrical conductivity of an object. It consists in the application of an electric current on its boundary and the measurement of the resulting electric potential with a sensor array. In clinical practise, it is considered as a potential diagnostic tool characterized by its portability and relatively low cost. While it is still in a development stage, it is starting to be used in health centers to characterize the cardio-respiratory system. In turn, there is an increasing interest of EIT in neuroscience. For example, EIT can be used to estimate the electrical conductivity of the main tissues of the head as a set of a relatively low number of parameters, which is known as bounded or parametric EIT. This is useful for several medical imaging techniques that require realistic and accurate virtual models of the head. EIT can also be used to generate a map of the internal distribution of the electrical conductivity, known as the reconstruction problem. Tracking conductivity changes inside the head is of great interest as they may be related to neuronal activity, epileptic foci, acute stroke, or tumors. Both modalities of EIT require the solution of the EIT forward problem (FP), i.e., the computation of the electric potential distribution due to current injection on the scalp assuming that the electrical conductivity is known.
The transcranial direct current stimulation (tDCS) is another technique which is physically very similar to EIT. It consists in injecting a small electric current in a convenient way such that it stimulates specific neuronal populations, increasing or decreasing their firing rate. It is considered as an alternative to psychoactive drugs in the treatment of brain disorders such as epilepsy or depression.
This thesis describes the development and analysis of new methods for EIT FP, parametric EIT, reconstruction in EIT, and tDCS, focusing primarily (although not exclusively) in applications to human head. We first describe analytical and numerical approaches for the EIT FP, where the numerical approach is based on the finite element method. Then, we develop a new procedure to solve the EIT FP based on the electroencephalography (EEG) FP formulation, which results in computational advantages.
We propose a new method to determine the waveform of the electric current source such that the neuronal activity of the brain can be neglected with the smallest possible number of time samples. In parametric EIT, we use the Cramér-Rao bound (CRB) to determine convenient electrode pairs for the current injection and theoretical limits in the estimation of the electrical conductivity of the main tissues of the head, which we model as isotropic and anisotropic. We propose the maximum likelihood estimator (MLE) to estimate these conductivities and we test it with simulated and real EIT measurements, showing that the MLE performs close to the CRB.
We adapt the sLORETA algorithm to the reconstruction problem in EIT. This algorithm is being widely used in the source localization problem in EEG. We also slightly modify it to include the Laplace smoothing prior in the solution. Likewise, we introduce the use of adaptive spatial filters in the localization of conductivity changes and the estimation of its time courses from EIT measurements. The results show improvements over typical EIT algorithms. These improvements may benefit the early detection of acute strokes and the localization of neuronal activity using EIT.
In tDCS, we develop a new algorithm to determine convenient current injection patterns. It is based on the reciprocity principle and considers hardware and safety constraints. Our simulation results show that this method performs similarly to other commonly used algorithms that require more complex and costly equipments.
The methods we develop and study in this thesis are compared with pre-existing methods and are validated through numerical simulations, measurements on phantoms and, according to the experimental possibilities and bioethical principles, humans.
|
Page generated in 0.0884 seconds