Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/144948
Título : Gesture tracking and neural activity segmentation in head-fixed behaving mice by deep learning methods
Autoría: Abbas, Waseem  
Director: Masip Rodó, David  
Resumen : La configuración típica empleada por los neurocientíficos consiste en estudiar la respuesta de los animales de laboratorio a un estímulo y registrar al mismo tiempo su actividad neuronal. Con la llegada de la tecnología de imágenes del calcio, los investigadores pueden ahora estudiar la actividad neuronal a resoluciones subcelulares in vivo. Del mismo modo, el registro del comportamiento de los animales de laboratorio también se está volviendo más asequible. Aunque ahora es más fácil registrar los datos del comportamiento y los datos neuronales, estos datos ofrecen su propio conjunto de desafíos. El mayor desafío es la anotación de los datos debido a su gran volumen. Un enfoque tradicional es anotar los datos manualmente, fotograma a fotograma. En el caso de los datos sobre el comportamiento, la anotación manual se hace mirando cada fotograma y rastreando los animales, mientras que, para los datos neuronales, la anotación la hace un neurocientífico capacitado. En esta investigación, proponemos herramientas automatizadas basadas en el aprendizaje profundo que pueden ayudar a procesar los datos de comportamiento y los datos neuronales.
Palabras clave : neurociencia
actividad neuronal
datos de comportamiento
red neuronal convolucional tridimensional (3D-CNN)
red de memoria a largo y corto plazo (LSTM)
Tipo de documento: info:eu-repo/semantics/doctoralThesis
Versión del documento: info:eu-repo/semantics/publishedVersion
Fecha de publicación : 30-oct-2020
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es/  
Aparece en las colecciones: Tesis doctorals

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
W.Abbas_PhD_Thesis_Manuscript.pdfAbbas_dissertation15,4 MBAdobe PDFVista previa
Visualizar/Abrir