Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-03-08T13:00:17Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_LeonardoDallaPorta.pdf: 4244662 bytes, checksum: 214ab17f2ee3583441af553e0a0a7931 (MD5) / Made available in DSpace on 2017-03-08T13:00:17Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_LeonardoDallaPorta.pdf: 4244662 bytes, checksum: 214ab17f2ee3583441af553e0a0a7931 (MD5) Previous issue date: 2016-10-06 / FACEPE / Avalanches neuronais, assim como oscilações e sincronização, são padrões de atividade espontânea observados em redes neuronais. O conceito de avalanches neuronais foi concebido na última década. Esse padrão de atividade tem distribuições de tamanhos P(s) e durações P(d) invariantes por escala, i.e., obedecem relações do tipo lei de potência P(s) ∼ s −τ, com expoente τ ≃ 3/2, e P(d) ∼ d−τt, com expoente τt ≃ 2, respectivamente. Essas propriedades são compatíveis com a ideia de que o cérebro opera em um regime crítico. A partir dessas constatações, muitos estudos teóricos e experimentais reportaram os potenciais benefícios de um cérebro operando na criticalidade, como por exemplo a máxima sensibilidade aos estímulos sensoriais, máxima capacidade de informação e transmissão e uma ótima capacidade computacional. Modelos da classe de universalidade de percolação direcionada (DP) têm sido amplamente utilizados para explicar a estatística invariante por escala das avalanches neuronais. Porém estes modelos não levam em consideração a dinâmica dos neurônios inibitórios e, além disso, como apresentam uma transição de fase entre um estado absorvente e uma fase ativa, torna-se difícil conciliar o modelo com correlações temporais de longo alcance que são observadas experimentalmente em diferentes escalas espaciais. Neste contexto, um novo modelo computacional (CROs, do original em inglês Critical Oscillations) surgiu na literatura (Poil et al., J. Neurosci., 32 9817, 2012), incluindo neurônios inibitórios e buscando conciliar correlações temporais com avalanches neuronais. Neste modelo não há uma fase absorvente, e uma suposta transição de fases ocorre entre uma fase ativa e outra com oscilações coletivas. Devido à ausência de uma fase absorvente, avalanches neuronais são definidas comparando-se a atividade instantânea da rede com um limiar que depende da mediana da atividade total. Justamente na linha crítica do espaço de parâmetros, quando há uma balanço entre excitação e inibição neuronal, avalanches neuronais invariantes por escala são observadas juntamente com correlações temporais de longo alcance (ruído 1/ f). No presente trabalho, um estudo mais profundo a respeito dos resultados reportados para o modelo CROs foi realizado. As oscilações neuronais mostraram-se robustas para diferentes tamanhos de rede, e observamos que a dinâmica local reflete a dinâmica oscilatória global da rede. Correlações temporais de longo alcance foram observadas (num intervalo de escalas temporais) através da técnica de Detrended Fluctuation Analysis, sendo robustas perante modificações no tamanho da rede. O resultado foi confirmado pela análise direta do espectro, que apresentou decaimento do tipo 1/ f numa determinada faixa de frequências. O diagrama de fases do modelo mostrou-se robusto em relação ao tamanho da rede, mantendo-se o alcance das interações locais. Entretanto, os resultados mostraram-se fortemente dependentes do limiar utilizado para detecção das avalanches neuronais. Por fim, mostramos que distribuições de durações de avalanches são do tipo lei de potência, com expoente τt ≃ 2. Este resultado é inédito e o valor encontrado coincide com o expoente crítico da classe de universalidade de DP na dimensão crítica superior. Em conjunto, nossos resultados fornecem mais evidências de que o modelo CROs de fato apresenta uma transição de fases. / Neuronal avalanches, as well as waves and synchronization, are types of spontaneous activity experimentally observed in neuronal networks. The concept of neuronal avalanches was conceived in the past decade. This pattern of activity has distributions of size P(s) and duration P(d) which are scale invariant, i.e., follow power-law relations P(s) ∼ s−τ, with exponent τ ≃ 3/2, and P(d) ∼ d−τd, with exponent τt ≃ 2, respectively. These properties are compatible with the idea that the brain operates in a critical regime. From these findings, many theoretical and experimental studies have reported the potential benefits of a brain operating at criticality, such as maximum sensitivity to sensory stimuli, maximum information capacity and transmission and an optimal computational capabilities. Models belonging to the directed percolation universality class (DP) have been widely used to explain the scale invariant statistic of neuronal avalanches. However, these models do not take into account the dynamics of inhibitory neurons and, since as they present a phase transition between an absorbing state and an active phase, it is difficult to reconcile the model with long-range temporal correlations that are observed experimentally at different spatial scales. In this context, a new computational model (CROs, Critical Oscillations) appeared in the literature (Poil et al., J. Neurosci., 32 9817, 2012), including inhibitory neurons and seeking to reconcile temporal correlations with neuronal avalanches. In this model there is no absorbing phase, and a supposed phase transition occurs between an active phase and another with collective oscillations. Due to the lack of an absorbing phase, neuronal avalanches are defined comparing by the instant network activity with a threshold that depends of the total activity median. Precisely at the critical line in parameter space, when a balance between neuronal excitation and inhibition occurs, scale invariant neuronal avalanches are observed with long-range temporal correlations (1/ f-like noise). In the present work, a deeper study about the results reported for the CROs model was performed. Neuronal oscillations have been shown to be robust to increasing network sizes, and it was observed that local dynamic reflects the oscillatory global dynamic of the network. Long-range temporal correlations were observed (in a range of time scales) via Detrended Fluctuation Analysis, being robust against changes in network size. The result was confirmed by direct analysis of the spectrum, which showed a decay like 1/ f in a given frequency band. The phase diagram of the model was robust with respect to the network size, as long as the range of local interactions was kept. However, the results were dependent of the threshold used to detect neuronal avalanches. Finally, we have shown that the distributions of avalanches duration follows a power-law with exponent τt ≃ 2. This result is unprecedented and the value obtained coincides with the critical exponent of the DP universality class in the upper critical dimension. Together, our results provide further evidence that in fact the CROs model presents a phase transition.

Experimentos têm revelado que redes de neurônios, tanto in vitro como in vivo, mantêm atividade descrita por avalanches e se organizam em um estado crítico no qual essas avalanches são distribuídas de acordo com leis de potência. Mostramos no presente trabalho que um modelo de rede de elementos excitáveis com sinapses dinâ- micas é capaz de exibir criticalidade auto-organizada para ampla região do espaço de parâmetros. Nossos resultados estão de acordo com outros estudos que indicam que a depressão sináptica de curto prazo constitui mecanismo suciente para produzir criticalidade em avalanches neuronais. No entanto, segundo diversos pesquisadores, embora o ajuste de parâmetros seja grosso para que haja criticalidade no modelo, é mais preciso dizer que o sistema não apresenta criticalidade auto-organizada genu ína, mas sim quasi-criticalidade auto-organizada, como os demais modelos não conservativos presentes na literatura. / Experiments have shown that neuronal networks, both in vitro and in vivo, maintain activity described by avalanches and they are organized into a critical state in which these avalanches are distributed according to power laws. We have demonstrated that a model based on a network of excitable elements with dynamical synapses is able to exhibit self-organized criticality for a wide range of the parameter\'s space. Our results are consistent with other studies that suggest short-term synaptic depression is enough to produce criticality in neuronal avalanches. However, according to several researchers, in spite of the tuning to be gross to ensure that there is criticality in the model, it is more accurate do not say that the system presents genuine self-organized criticality, but self-organized quasi-criticality as the other non-conservative models in the literature.

Orientador: Prof. Dr. Marcio Eisencraft / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2014. / Efficient techniques for analysis of neuronal signals in intracranial data acquisition systems are almost prerequisites for the observation of specific brain regions for controlled stimulation,either for medical purposes or for human-computer interaction. The spike sorting, which aimsto classify firings per neuron, is relevant to simplify the analysis of noisy neuronal signalsthat possess a significant amount of information. Detection is the first step of the spikesorting and is decisive in terms of efficiency. In this case, what makes the detection problemrather difficult is the fact that we do not know exactly the waveform of the signal to bedetected and the firing instants. In the present work, the limits of detection techniques based on threshold are studied considering a simplified model of neuronal signals. The techniques are evaluated using error probability measures as a function of the signal-to-noiseratio (SNR), of the firing rate and of the threshold level used. The objective is to combine theadvantages and limits of good performance of detection techniques with the characteristicsof different time series considered. Computational simulations suggest that: (i)the SNR andthe interval between firings significantly affect the relative performance of the techniques;(ii) the optimal threshold is a function of the statistical characteristics of the time seriesand, if properly chosen, can avoid detection errors in some situations and (iii) the thresholdcalculations proposed in the literature may not be the most effective. The results of thesimplified model should serve as an estimate of the worst case performance for each methodwhen they are applied in situations with acquired real data.

Estágio realizado na EDP e orientado pelo Eng.º Vírgilio Mendes e Eng.ª Ana Cristina Nunes / Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores - Major Energia. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores (Major Energia). Faculdade de Engenharia. Universidade do Porto. 2009

Tese de mestrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de mestrado. Automação, Instrumentação e Controlo. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores (Major Energia). Faculdade de Engenharia. Universidade do Porto. 2010

Tese de mestr.. Gestão de Informação. Faculdade de Engenharia. Universidade do Porto. 2005

Dissertation submitted for obtain the degree of Doctor , at the Faculdade de Engenharia da Universidade do Porto, under supervisory Prof. Vladimiro Miranda