Busca avançada
Ano de início
Entree

Sincronização em redes: aplicações em neurociência

Processo: 23/07481-6
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de março de 2024
Data de Término da vigência: 28 de fevereiro de 2026
Área do conhecimento:Ciências Exatas e da Terra - Física
Pesquisador responsável:Thomas Kaue Dal Maso Peron
Beneficiário:Thomas Kaue Dal Maso Peron
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional  Ciência de dados  Dinâmica não linear  Processamento de sinais  Sincronização  Sistemas complexos  Redes complexas 
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Ciência de dados | Dinâmica Não Linear | Processamento de Sinais | sincronização | Sistemas Complexos | Redes complexas

Resumo

Processos de sincronização são essenciais para o funcionamento harmonioso de sistemas biológicos. Entretanto, comportamentos ordenados também podem se tornar perniciosos, como no caso da sincronização patológica no cérebro, a qual é a base de vários distúrbios cerebrais, como a doença de Parkinson e o autismo. Na literatura de sistemas complexos, a dinâmica coletiva de populações de neurônios é geralmente estudada da seguinte forma: fixa-se a rede e então avalia-se como a formação de estados síncronos depende da estrutura da rede de sinapes. Neste projeto, abordaremos o problema inverso, isto é, (i) a reconstrução de redes dinâmicas. Desenvolveremos uma técnica que usa teoria ergódica e aprendizado de máquina para, a partir de um conjunto de sinais, revelar as conexões da rede criadora dos dados observados. Essa metodologia permitirá analisar dados oriundos de registros experimentais em neurociência. Para comprovar a eficácia de nosso método, faremos (ii) a caracterização e classificação de patologias neuronais, utilizando dados de EEG registrados em exames clínicos de crianças diagnosticadas com autismo. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
RODRIGUES, FRANCISCO A.; PERON, THOMAS; CONNAUGHTON, COLM; KURTHS, JURGEN; MORENO, YAMIR. A machine learning approach to predicting dynamical observables from network structure. PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SC, v. 481, n. 2306, p. 12-pg., . (24/02322-0, 15/50122-0, 20/09835-1, 23/07481-6, 13/07375-0)
PHAM, TUAN MINH; PERON, THOMAS; METZ, FERNANDO L.. Effects of clustering heterogeneity on the spectral density of sparse networks. PHYSICAL REVIEW E, v. 110, n. 5, p. 13-pg., . (23/07481-6, 13/07375-0)