Análise e inferência de conexões cerebrais com teoria de informação e análise não linear

• Processo: 18/09900-8
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de junho de 2018
• Data de Término da vigência: 31 de agosto de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Jorge Stolfi
• Beneficiário: Arthur Lopes da Silva Valencio
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
• Assunto(s): Sistemas complexos Análise de séries temporais Análise funcional não linear Inferência Rede nervosa
• Palavra(s)-Chave do Pesquisador: brain network | Complex systems | Eeg | inference | nonlinear time-series analysis | Sistemas complexos, análise de séries temporais não lineares

Resumo

A inferência de conexões entre diferentes regiões do cérebro é de interesse prático para o esclarecimento de processos como a percepção sensorial, patologias como Epilepsia e reações do sistema nervoso central à rápida perda neuronal, como devido à Doença de Alzheimer ou após um Derrame. Porém, metodologias de análise padrão não são adequadas ao problema devido à alta complexidade das conexões no cérebro e da dinâmica neuronal, que não é um sistema linear. Assim, o entendimento do sistema cerebral requer análise das características dos sinais de EEG/MEG/fMRI/SPECT, bem como uma ferramenta de inferência de conexões diretas ou funcionais apta a lidar com problemas com alta complexidade das conexões. Duarte et al. (2017) considera o problema da inferência de um grafo de interação de neurônios em um modelo estocástico. Tal opção de modelo neuronal, a qual o NeuroMat é um centro de referência internacional, se demonstrou bem-sucedido à análise da reação do cérebro à estímulos externos (Duarte et al., 2018). Esta pesquisa busca continuar a contribuir para o desenvolvimento de métodos de inferência para o modelo estocástico do cérebro e associar a ferramentas da teoria da informação para a análise de sinais de EEG, com particular ênfase para casos com possibilidade de auxiliar o diagnóstico de patologias clínicas. Prevê-se que caso a pesquisa possa ser estendida para o desenvolvimento de ferramenta de uso para setores de diagnóstico no Sistema Único de Saúde. Esta pesquisa contribui ao projeto NeuroMat auxiliando no desenvolvimento matemático do modelo estocástico do cérebro, focando mais no aspecto de inferência baseada em dados. Esta pesquisa mais especificamente foca na linha de 'inferência de interação funcional entre estruturas neuronais' dentro do projeto NeuroMat. A. Duarte, A. Galves, E. Locherbach and G. Ost. Estimating the interaction graph of stochastic neural dynamics. Preprint, 2017. https://arxiv.org/pdf/1604.00419.pdf A. Duarte, R. Fraiman, A. Galves, G. Ost and C. D. Vargas. Context tree selection for functional data. Preprint, 2018. https://arxiv.org/pdf/1602.00579.pdf. (AU)