La presente tesis se enmarca dentro de dos campos diferentes pero intrínsecamente unidos entre sí en este caso: neurociencia y computación. El objetivo global de esta tesis es la realización de un neuroprocesador biológico empleando como plataforma redes neuronales biológicas cultivadas sobre matrices de microelectrodos. Este objetivo global resulta en una serie de sub-objetivos:
(1) Definición y construcción de una plataforma para el soporte en tiempo real de los sistemas de adquisición de registros neuronales, y estimulación eléctrica de los mismos, que se comunique remotamente con un dispositivo robótico.
(2) Estudio y propuesta de un método de guiado robótico basado en una plataforma de lazo cerrado que integre la información de los sensores del robot en el neuroprocesador y, en función de la respuesta de éste, direccione el sistema robótico.
(3) Normalización y calibración estadística de los registros del neuroprocesador para su adecuación a los distintos algoritmos de guiado robótico y aprendizaje en los cultivos neuronales.
(4) Estudio y definición de técnicas de aprendizaje en cultivos neuronales para la realización de conectividad funcional dirigida con objeto de proporcionar nuevos paradigmas de programación en neuroprocesadores biológicos.
Con respecto al sub-objetivo (1), se ha propuesto un sistema de experimentación con cultivos neuronales en lazo cerrado y tiempo real que proporciona las herramientas de filtrado, visualización, procesamiento y estimulación de la respuesta electrofisiológica de poblaciones neuronales y su comunicación con un sistema robótico remoto.
Para alcanzar el objetivo (2), se ha adaptado el algoritmo de centro de área para guiado robótico a las respuestas funcionales de las poblaciones de neuronas, identificando aquellos electrodos de la matriz cuyas neuronas incrementan en mayor medida sus disparos, como objetivo para el direccionamiento del robot.
El cumplimiento del sub-objetivo (3) se ha conseguido al proporcionar técnicas de calibración y normalización estadística de los registros de poblaciones de neuronas que conforman el neuroprocesador, con objeto de suprimir la variabilidad intrínseca de las mismas y a las distintas características de no-homogeneidad tanto en la densidad del cultivo como en las propiedades eléctricas de los distintos electrodos.
Finalmente, atendiendo al sub-objetivo (4), se ha propuesto un paradigma de aprendizaje natural, como es el aprendizaje hebbiano, para la conformación de conexiones funcionales entre electrodos que no se encontraban enlazados previamente y conseguir de esta forma el modelado del cultivo para la implementación en su estructura de las funciones a implementar, en este caso las estructuras de Braitenberg.
http://repositorio.bib.upct.es/dspace/
© 2001-2024 Fundación Dialnet · Todos los derechos reservados