Show simple item record

dc.contributor.advisorVarona Martínez, Pablo 
dc.contributor.authorReyes Sánchez, Manuel 
dc.contributor.otherUAM. Departamento de Ingeniería Informáticaes_ES
dc.date.accessioned2018-02-01T13:03:11Z
dc.date.available2018-02-01T13:03:11Z
dc.date.issued2017-06
dc.identifier.urihttp://hdl.handle.net/10486/681056
dc.description.abstractUn circuito neuronal híbrido es aquel formado por neuronas biológicas vivas y neuronas artificiales. Estos circuitos tienen múltiples utilidades y pueden ser empleados para estudiar el funcionamiento y la dinámica de la actividad neuronal. También puede tener futuros usos clínicos, permitiendo sustituir elementos dañados o reparar dinámicas del circuito. Las neuronas artificiales pueden ser implementadas mediante hardware o mediante su simulación software. En ambos casos debe tenerse en cuenta la necesaria adaptación de las señales para que puedan trabajar con las neuronas biológicas en interacción bidireccional. Por ejemplo, se deben escalar la amplitud de entrada/salida o la temporalidad del sistema. Por otro lado, también es necesario adaptar las neuronas artificiales para comportarse de determinada manera según el sistema vivo al cual se estén conectando. Ante esta necesidad de adaptación dinámica, la simulación software ofrece múltiples ventajas frente a las implementaciones hardware, gracias a su mayor flexibilidad y adaptabilidad. Esto permite el análisis y el control online del circuito híbrido, con lo que es posible realizar procesos de estimulación en ciclo cerrado dependientes de la actividad observada. Por lo anterior, en este trabajo se propone un conjunto de protocolos para la construcción, acondicionamiento y adaptación de circuitos híbridos para que puedan ser implementados de manera sencilla y eficaz. Además, se ha realizado una implementación de los protocolos pro- puestos utilizando algoritmos y calibraciones concretas. Los algoritmos incluyen métodos para asimilar las señales de los modelos a la señal neuronal viva de manera automática, así como procesos de ciclo cerrado para establecer los parámetros que maximicen un objetivo de conexión cuantificable. Para la implementación ha sido necesaria la utilización de un sistema operativo de tiempo real con el objetivo de cumplir las restricciones de décimas de milisegundos que impone la actividad neuronal en muchos tipos de circuitos híbridos. Los protocolos definidos pueden ser también utilizados para realizar una automatización de experimentos y de esta manera realizarlos con una optimización de la esperanza de vida de la preparación, permitiendo, por ejemplo, la exploración de dinámicas para diferentes condiciones del sistema, o el control eficaz de la actividad neuronal. Finalmente, los algoritmos y el programa realizado se han valido construyendo circuitos híbridos con motoneuronas del ganglio estomatogástrico del cangrejo de mar común (Carcinus maenas). La señal de los modelos ha sido adaptada dinámicamente a los rangos biológicos de cada experimento y los procesos en ciclo cerrado han permitido ajustar el comportamiento de los modelos de neuronas y sinapsis, así como automatizar experimentos, e implementar exploraciones dinámicas.es_ES
dc.description.abstractHybrid neuron circuits are formed by biological living neurons and artificial neurons. These circuits have multiple applications and can be used to understand the dynamics of neural activity. They can also have future clinical applications, allowing the replacement of damaged elements or the repairmen of circuit dynamics. Artificial neurons can be built through hardware implementation or through software simu- lation. In both cases the adaptation of the signals must be taken into account so they can work together with biological neurons in bidirectional interaction. For example, the input/output am- plitude or the temporality of the system must be scaled. On the other hand, it is also necessary to adapt the artificial neurons to a specific behavior according to the living system to which they are connected. Due to the need of dynamic adaptation, software simulations offer many advantages (in relation to hardware solutions), because of their flexibility and adaptability. This allows online analysis of the results. It also enables closed-loop activity dependent stimulation. Therefore, this work proposes a set of protocols to build and adapt hybrid circuits so that they can be implemented in a simple straightforward manner. In addition, an implementation of the proposed protocols has been made using specific algorithms and calibrations. These algorithms include methods to automatically scale signals from the models to the levels observed in living neurons, as well as closed-loop processes to establish parameters that maximize a quantitative connection target. For the implementation, a real-time operating system was need in order to meet the time constrains in the range of tenths of milliseconds imposed by the neuronal activity in many hybrid circuits. The defined protocols can be useful to implements an automatic calibration of the experi- ments in a very precise way allowing, for example, the exploration of the behavior of different conditions of the system, or the effective control of the neuronal activity. Finally, the algorithms and programs have been validated by building hybrid circuits with motoneurons of the stomatogastric ganglion of the shore crab (Carcinus maenas), successfully making these connections. The signal of the models has been correctly adapted to the biological ranges of each experiment and the closed-loop processes have allowed to adjust the behavior of the neuron and the synapse models, to automate experiments and to perform dynamic explora- tions.en
dc.format.extent100 pág.es_ES
dc.format.mimetypeapplication/pdfen
dc.language.isospaen
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.otherCircuitos híbridoses_ES
dc.subject.otherCalibración automáticaes_ES
dc.subject.otherModelos neuronaleses_ES
dc.titleAlgoritmos para el establecimiento de conexiones neuronales híbridases_ES
dc.typebachelorThesisen
dc.subject.ecienciaInformáticaes_ES
dc.rights.ccReconocimiento – NoComercial – SinObraDerivadaes_ES
dc.rights.accessRightsopenAccessen
dc.authorUAMReyes Sánchez, Manuel (279609)
dc.facultadUAMEscuela Politécnica Superior


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

https://creativecommons.org/licenses/by-nc-nd/4.0/
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/