Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/53859

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCARELLI, Pedro Valadao-
dc.contributor.authorMOLINA CERON, Miguel Alejandro-
dc.date.accessioned2023-12-04T18:10:49Z-
dc.date.available2023-12-04T18:10:49Z-
dc.date.issued2023-10-24-
dc.identifier.citationMOLINA CERON, Miguel Alejandro. Redes funcionais, estrutura modular e padrões entre estados corticais. 2023. Dissertação (Mestrado em Física) – Universidade Federal de Pernambuco, Recife, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/53859-
dc.description.abstractNeste trabalho, analisamos um conjunto de dados de registros eletrofisiológicos em ratos anes- tesiados com uretano. Caracterizamos a atividade neuronal por meio da análise estatística da atividade celular registrada em segmentos de 250 segundos. Para cada um desses segmentos, as interações neuronais são quantificadas pelo cálculo de correlações cruzadas. Os resultados da dinâmica nos diferentes segmentos são representados por redes funcionais em que os nós definem os neurônios em interação e suas arestas descrevem os máximos funcionais. Para me- lhorar nossa compreensão da dinâmica neural, quantificamos sua configuração estrutural de interconexões usando métricas clássicas de ciência de rede, como coeficiente de agrupamento, caminho característico, eficiência e a propriedade de mundo pequeno. Além disso, usando algo- ritmos de detecção de comunidade em redes e a distância de Jensen-Shannon, comparamos as distribuições de atividade neural e sua evolução identificando padrões considerando diferentes níveis de similaridade, apresentando assim uma estratégia para a classificação não supervisio- nada de padrões em dados de atividade cortical obtidos por procedimentos eletrofisiológicos e estados corticais variantes induzidos por uretano.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectDinâmica não-linearpt_BR
dc.subjectRedes funcionaispt_BR
dc.titleRedes funcionais, estrutura modular e padrões entre estados corticaispt_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/7400890698222267pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0869469262114149pt_BR
dc.publisher.programPrograma de Pos Graduacao em Fisicapt_BR
dc.description.abstractxIn this study, we analyzed a dataset of electrophysiological recordings in rats anesthetized with urethane. We characterized neuronal activity through statistical analysis of cellular activity recorded in 250-second segments. For each of these segments, neuronal interactions are quan- tified by cross-correlation calculation. The results of the dynamics in the different segments are represented by functional networks in which the nodes define the interacting neurons and their edges describe the functional maxima. To improve our understanding of neural dynamics, we quantify their structural configuration of interconnections using classical network science met- rics such as clustering coefficient, characteristic path, efficiency and the small-world property. Furthermore, using network community detection algorithms and the Jensen-Shannon distance, we compare neural activity distributions and their evolution by identifying patterns considering different levels of similarity, thus presenting a strategy for unsupervised pattern classification in cortical activity data obtained by electrophysiological procedures and urethane-induced variant cortical states.pt_BR
Aparece en las colecciones: Dissertações de Mestrado - Física

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO Miguel Alejandro Molina Ceron.pdf11,89 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons