El cerebro como un sistema dinámico híbrido

Vista sencilla de ítem
dc.contributor.advisorEl-Deredy, Wael (Director de tesis)
dc.contributor.authorAraya Gálvez, David
dc.date.accessioned2023-07-31T14:31:55Z
dc.date.available2023-07-31T14:31:55Z
dc.date.issued2023-06
dc.description.abstractLas funciones cognitivas del cerebro emergen a partir de la interacción o conectividad de múltiples regiones que están continuamente cambiando en el tiempo, dando lugar a lo que conocemos como redes cerebrales dinámicas o no estacionarias. Para intentar entender este complejo fenómeno es de vital importancia disponer de modelos generativos que sean capaces de simular este proceso y permitir visualizar, manipular y controlar este fenómeno. Entre mayor sea la capacidad explicativa del modelo se requerirá una mayor cantidad de para´metros a estimar, lo que incrementará la incertidumbre del modelo. Una alternativa para minimizar esta incertidumbre es disponer de herramientas que permitan asignar los valores a estos parámetros en forma automática a partir de una señal observada del cerebro, como EEG o fMRI. Sin embargo, el problema de la no estacionaridad de las redes cerebrales hace compleja y difícil esta tarea. En esta tesis se desarrolla el modelo generativo de la actividad cerebral HSMM-MAR, el cual modela el fenómeno de la conectividad cerebral dinámica efectiva estimando sus parámetros a partir de la señal observada del cerebro (EEG/MEG o fMRI). Para abordar el problema de la no estacionaridad de las redes cerebrales se utiliza la teoría de sistemas híbridos, específicamente del modelo de Semi Markov Oculto (HSMM). HSMM aborda el problema de la no estacionaridad de las redes cerebrales como cambios o transiciones rápidas de estados cerebrales (variable discreta), donde un estado se define como un periodo de tiempo donde la conectividad es estacionaria y en la cual se genera la actividad cerebral (variable continua). Actualmente en el estado del arte, ya se ha utilizado esta idea mediante el uso de modelos de Markov ocultos (HMM). Sin embargo, la distribución geométrica de las duraciones de los estados implícitas en HMM la hace inapropiado para modelar con exactitud los estados cerebrales. Esta falencia incentiva la formulación de este desarrollo basado en HSMM, una generalización de HMM que modela la distribución de duración de manera explícita. HSMM presenta un mejor desempeño que HMM, en cuanto a recuperar la secuencia de estados cerebrales y los para´metros del modelo en el caso de datos simulados y presenta una mejor caracterización de la duración de los estados en el caso de los datos reales. Otro aspecto relevante es que HSMM-MAR utiliza la información del Conectoma Humano para estimar los parámetros del modelo de forma más eficiente y requiere una cantidad de datos muy inferior que aquellos casos en los que no se utiliza esta información. HSMM-MAR es un modelo bayesiano jerárquico, que estima sus parámetros sobre la base de la señal observada usando Bayes Variacional. Se verificó y validó el desempeño del modelo desarrollado en esta tesis mediante datos simulados y datos reales. HSMM-MAR permitiría capturar propiedades fundamentales del funcionamiento del cerebro, los cuales se verían alterados en los trastornos cerebrales y, por ende, se verán afectados también los parámetros del modelo. Por lo tanto, características generadas a partir de los para´metros pueden ser utilizadas para la detección del trastorno cerebral. Más aún esta característica pudiera convertirse en un marcador de la progresión del trastorno y permitir la detección de forma anticipada antes de la aparición de los síntomasen_ES
dc.facultadFacultad de Cienciasen_ES
dc.identifier.citationAraya, D. (2023). El cerebro como un sistema dinámico híbrido (Tesis de postgrado). Universidad de Valparaíso, Valparaíso, Chile.en_ES
dc.identifier.urihttps://repositoriobibliotecas.uv.cl/handle/uvscl/10951
dc.language.isoesen_ES
dc.publisherUniversidad de Valparaísoen_ES
dc.subjectCEREBROen_ES
dc.subjectNEUROCIENCIA COGNITIVAen_ES
dc.subjectTRASTORNOS COGNITIVOSen_ES
dc.titleEl cerebro como un sistema dinámico híbridoen_ES
dc.typeTesisen_ES
uv.catalogadorPJR CIENen_ES
uv.notageneralDoctor en Ciencias con Mención en Biofísica y Biología Computacionalen_ES
uv.profesorinformanteTrujillo Barreto, Nelson (Co-director de tesis)

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
El cerebro como un sistema dinámico hibrido.pdf
Tamaño:
2.53 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
384 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis