Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9491
Type: Tese
Title: Modelos baseados em redes neurais não supervisionadas para aplicação em problemas de spike sorting
Author(s)/Inventor(s): Morais, Francinei Gomes de
Advisor: Gomes, José Gabriel Rodríguez Carneiro
Abstract: Registros extracelulares são compostos por sinais pulsados (spikes) gerados por vários neurônios biológicos. A correta detecção e separação destes spikes é chamada de spike sorting. A tarefa de spike sorting é de grande importância para estudos que são baseados na análise de sinais de spike. Muitos métodos de spike sorting têm sido propostos, mas ainda não há um método universalmente adotado. Nesta tese é proposto um método baseado em perceptrons multicamadas (MLPs) que são treinados, de modo não supervisionado, usando a divergência de Kullback-Leibler (KLD) como função-custo para resolver o problema de spike sorting. O algoritmo proposto MLPKLD aprende um mapeamento, a partir do espaço de dados original para um espaço com duas dimensões, capaz de revelar os agrupamentos implícitos no conjunto de dados original. Os algoritmos t-distributed stochastic neighbor embedding (t-SNE), principal component analysis (PCA), linear discriminant analysis (LDA) e locality preserving projections (LPP) foram tomados como referência de comparação. Para as comparações de desempenho foram utilizadas duas bases de dados simulados, publicamente disponíveis: a primeira contém spikes simulados por um grupo de 2 até 20 neurônios biológicos, e a segunda contém spikes simulados por um grupo de três neurônios biológicos sob diferentes condições de ruído. Os mapeamentos para o espaço 2-D (onde a clusterização é realizada através do algoritmo K-means) via MLP-KLD e t-SNE são significativamente melhores. O desempenho da clusterização para mapeamentos 2-D via MLP-KLD é mantido conforme o número de neurônios ou nível de ruído aumenta, o que indica que o método proposto é potencialmente útil para aplicações de análise de spikes baseadas em spike sorting.
Abstract: Extracellular recordings contain neural spike signals that come from different biological neurons. The proper detection and separation of the spikes according to the neurons they originate from is usually referred to as spike sorting. The spike sorting task is crucial for subsequent studies that are based on spike analysis. Many spike sorting methods have been proposed, but universally adopted methods are not available yet. In this thesis, we introduce multilayer perceptrons (MLPs) that are trained, in unsupervised fashion, to minimize the Kullback-Leibler divergence (KLD) between original data and low-dimensional data probability distributions, thus leading to a low-dimensional data representation from which spike sorting problems are efficiently solved. More specifically, the proposed KLD-MLP algorithm learns a map from the original data space to a 2-D space where otherwise implicit spike clusters are revealed. For overall spike sorting performance comparison, four other algorithms have been applied at the data mapping stage: t-distributed stochastic neighbor embedding (t-SNE), principal component analysis (PCA), linear discriminant analysis (LDA), and locality preserving projections (LPP). The performance comparison is based on two publicly available synthetic datasets: the first one contains simulated spikes from a number of biological neurons ranging from two to twenty, and the second one contains simulated spikes from three neurons under different noise conditions. The KLD-MLP and t-SNE approaches yield significantly improved maps into the two-dimensional space where clustering is performed based on conventional K-means. The performance of basic K-means clustering based on KLD-MLP maps is maintained as the number of neurons or noise level are increased, which indicates that the method is potentially useful for spike analysis applications based on spike sorting.
Keywords: Engenharia elétrica
Redes neurais artificiais
Subject CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Program: Programa de Pós-Graduação em Engenharia Elétrica
Production unit: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: Mar-2018
Publisher country: Brasil
Language: por
Right access: Acesso Aberto
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
882222.pdf3.41 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.