Resumen

Este breve estudio revisa la literatura reciente sobre la relación entre la estructura del cerebro y su dinámica funcional. Las técnicas de imagen como el tensor de difusión (DTI) permiten reconstruir las vías de las fibras axonales y describir la conectividad estructural (SC) entre las regiones del cerebro. Al medir las fluctuaciones de la actividad neuronal, la resonancia magnética funcional (RMF) permite conocer la dinámica de esta red estructural. Una de las claves para comprender mejor los mecanismos cerebrales es investigar cómo surge esta dinámica rápida en una columna vertebral estructural relativamente estable. Hasta ahora, para modelar esta relación se han utilizado principalmente simulaciones computacionales y métodos de la teoría de grafos. Las técnicas de aprendizaje automático ya se han establecido en la neuroimagen para identificar redes cerebrales funcionalmente independientes y clasificar estados cerebrales patológicos. Este estudio se centra en los métodos de aprendizaje automático que contribuyen a nuestra comprensión de las interacciones funcionales entre las regiones del cerebro y su relación con el sustrato anatómico subyacente.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:región cerebral, pista de fibras axonales, estado cerebral patológico, red cerebral independiente, técnicas de aprendizaje automático, comprensión del cerebro, columna vertebral estructural estable, imágenes con tensor de difusión, imágenes de resonancia magnética, teoría de grafos
• Keywords:brain region, axonal fiber track, pathological brain state, independent brain network, machine learning techniques, understanding of brain, stable structural backbone, diffusion tensor imaging, magnetic resonance imaging, graph theory