Resumen

Las interfaces cerebro-máquina (IMC) han atraído una intensa atención como tecnología prometedora para interconectar directamente ordenadores o prótesis con las áreas motoras y sensoriales del cerebro, evitando así el cuerpo. La disponibilidad de grabaciones neuronales multiescala que incluyen trenes de espigas y potenciales de campo locales (LFP) ofrece oportunidades potenciales para mejorar el modelado computacional enriqueciendo la caracterización del estado del sistema neuronal. Sin embargo, la heterogeneidad en el tipo de datos (señales de tiempo de espiga frente a señales de amplitud continua) y la escala espacio-temporal complica la integración del modelo de la actividad neuronal multiescala. En este trabajo, proponemos un marco basado en el tensor-producto-kernel para integrar la actividad multiescala y explotar la información complementaria disponible en la actividad neuronal multiescala. Esto proporciona un marco matemático común para incorporar señales de diferentes dominios. El enfoque se aplica al problema de la decodificación y el control neuronal. Para la decodificación neuronal, el marco es capaz de identificar la relación funcional no lineal entre las respuestas neuronales multiescala y los estímulos utilizando un filtrado adaptativo de núcleo de propósito general. En un experimento de estimulación sensorial, el decodificador tensor-producto-núcleo supera a los decodificadores que utilizan un solo tipo de datos neuronales. Además, un controlador inverso adaptativo para la entrega de patrones de microestimulación eléctrica que utiliza el kernel tensor-producto logra resultados prometedores en la emulación de las respuestas a la estimulación natural.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:actividades neuronales multiescala, decodificación neuronal, registro neuronal multiescala, señal de amplitud continua, tipo de datos neuronales, decodificador supera al decodificador, controlador inverso adaptativo, respuesta neuronal multiescala, potencial de campo local, experimento de estimulación sensorial
• Keywords:multiscale neural activities, neural decoding, multiscale neural recording, continuous amplitude signal, neural data type, decoder outperforms decoder, adaptive inverse controller, multiscale neural response, local field potential, sensory stimulation experiment