Nome Completo:

Diogo Maia de Figueiredo

Unidade da USP:

IME

Programa de Pós-Graduação:

Probabilidade e Estatística

Nível:

Mestrado

Resumo:

Os neurônios são as principais unidades do sistema nervoso, responsáveis pela coordenação das funções do corpo animal. Eles transmitem sinais elétricos por meio de sinapses, estruturas que conectam os neurônios e permitem a formação de redes neurais. Cada vez que um neurônio emite um pulso elétrico, ação conhecida como disparo, influencia os disparos dos neurônios com os quais se conecta. Diante disso, a partir de sequências de disparos neuronais, busca-se estimar quais interações existem entre os neurônios de uma rede. Esta dissertação estuda um modelo estocástico que representa a dinâmica da atividade neural em tempo discreto, capaz de simular redes com interações excitatórias e inibitórias. Com base nesse modelo, dois estimadores de conectividade neuronal são investigados. O primeiro, denominado estimador por blocos, considera o histórico de toda a rede para estimar a influência de um neurônio sobre outro, com base na frequência empírica de certos padrões de estados conjuntos da rede. O segundo método, estimador por pares, baseia-se na comparação entre a frequência de um neurônio disparar após o disparo de outro e a frequência de disparos espontâneos, considerando apenas o histórico dos dois neurônios envolvidos. Inicialmente formulado para modelos em tempo contínuo, esta pesquisa propõe adaptação do método por pares para o tempo discreto. Os métodos foram avaliados em redes simuladas e, em seguida, aplicados em conjunto de dados reais. Por fim, esta dissertação propõe uma adaptação baseada em janelas deslizantes para o estimador por pares, afim de otimizar sua taxa de falsos positivos.