Síntese,modelagem e simulação de estruturas neurais morfologicamente realísticas.

• Main Author: Regina Célia Coelho
• Other Authors: Luciano da Fontoura Costa
• Language: Portuguese
• Published: Universidade de São Paulo 1998
• Subjects: Estruturas neurais artificiais; Modelagem neural; Reorganização neural; Simulação neural; Artificial neural structures; Neural modeling; Neural reorganization; Neural simulation; Neuromorphology
• Online Access: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-15052009-091429/

Os aspectos morfológicos dos neurônios e estruturas neurais, embora potencialmente importantes, têm recebido relativamente pouca atenção na literatura em neurociência. Este trabalho consiste numa substancial parte de um projeto em desenvolvimento no Grupo de Pesquisa em Visão Cibernética voltado para o estudo da relação formal/função neural. Mais especificamente, o presente trabalho dedica particular atenção para a síntese, modelagem e simulação de estruturas neurais morfologicamente realísticas. A tese se inicia com revisões bibliográficas sobre visão biológica e neurociência, direcionadas aos assuntos a serem aqui abordados. Começamos a descrição dos desenvolvimentos com um levantamento, avaliação e proposta de medidas neuromorfométricas adequadas para exprimir as propriedades mais representativas para nosso trabalho, tais como cobertura espacial, complexidade e decaimento eletrônico. Incluímos nessa parte a metodologia utilizada para a geração de neurônios artificiais bidimensionais estatisticamente semelhantes aos naturais. Apresenta-se também a extensão desta metodologia para o caso tridimensional, validada pela análise neuroinorfométrica dos neurônios gerados. Na seqüência, descrevemos o processo de geração de estruturas neurais compostas de neurônios. Considerando modelos com uma camada neural para a codificação de especificidade de orientação, mas sem levar em conta a forma neural, vários casos são simulados, utilizando gradientes na distribuição dos pesos sinápticos e distribuições regulares ou aleatórias (uniformes) dos neurônios na estrutura. A extensão dessas simulações utilizando estruturas que consideram mais detalhadamente a forma neural, usando agora neurônios artificiais gerados pelo método descrito nesta monografia, é apresentada na seqüência. Entre outros efeitos, mostramos que a extensão da arborização dendrítica é um fator determinante da taxa de convergência e seletividade nos modelos, e que gradientes na extensão das arborizações sinápticas são essenciais para a adequada codificação de orientações em módulos cêntricos contendo somatas aleatoriamente distribuídos. === The morphological aspects of neurons and neural structures, although potentially important, have received relatively little attention in the literature in neuroscience. This work consists in a substantial part of a project in development at the Cybernetic Vision Research Group, directed to the study of the form/function relationship. More specifically, the present work dedicates particular attention to the synthesis, modeling, and simulation of morphologically realistic neural structures. The thesis begins with a bibliographic review about biological vision and neuroscience, focusing on the subjects to be here considered. We start the description of the developments with the revision; evaluation and proposal of neuromorphometric measures adequate express the properties more representative to the work, such as spatial cover, complexity and electrotonic decay. We include in this part the methodology used for the generation of bidimensional artificial neurons statistically similar to natural ones. The extension of these developments to the tridimensional case, including their respective validation (performed in terms of neuromorphometric analysis of the generated neurons) is also presented. Next, we describe the generation process of neural structures composed of neurons. Using one-layer neural models for orientation specificity encoding, but without considering the neural shape, several cases are simulated, using gradients in the distribution of the synaptic weights and regular or random (uniform) distributions of the neurons in the structures. The extension of these simulations using structures that consider the neural form in more detail, composed of artificial neurons generated by the described method in this monograph is presented in the sequence. We show that the extension of the dendritic arborization is a determinant factor on the convergence rate and selectivity in the models, and that gradients in the extension of the synaptic arborizations are essentials for the adequate codification of orientations in centric models containing distributed random somata.