Statistical characterization of cultured neural networks activity recorded via MEA

Corradini, Daniele (2020) Statistical characterization of cultured neural networks activity recorded via MEA. [Laurea magistrale], Università di Bologna, Corso di Studio in Fisica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Non opere derivate 3.0 (CC BY-NC-ND 3.0)

Download (9MB)

Abstract

In questa tesi si sono analizzate le attività di neuroni in coltura accoppiati con un Multi-Electrode Array (MEA) a 60 canali. Le reti neurali in vitro sono influenzate da diversi fattori, come la densità di coltura, l'età e l'animale di provenienza dei neuroni. Lo scopo di questa tesi è quello di caratterizzare questa variabilità attraverso varie analisi statistiche. Utilizzando un software sviluppato in Python si sono estratte 40 misure per descrivere un ampio spettro delle attività delle cellule, come lo spiking e i network bursts. Sono state caratterizzate le distribuzioni statistiche di queste feature, ed una analisi PCA per vedere la segregazione dei dati nelle classi considerate. Sono poi state implementate una analisi con K-Means Clustering e una classificazione mediante Random Forest, per caratterizzare la separazione spontanea e mediante label dei vari tipi di misurazioni. É stato studiato anche l'effetto del sottocampionamento temporale sulle misure, determinando che anche con un quarto della serie temporale disponibile si sono potute estrarre misure significative. Un altro tipo di sottocampionamento preso in considerazione è stato quello spaziale. Anche qui le misure si sono dimostrate robuste riducendo il numero di elettrodi da cui estrarre il segnale, fino ad un minimo di 10 elettrodi. Questa analisi della robustezza alla variabilità e al sottocampionamento delle misure di attività spontanea di reti di neuroni in vitro mediante setup MEA é utile per studiare gli effetti di sostanze chimiche, stimoli elettrici o malattie sulle colture nervose.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Corradini, Daniele
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum E: Fisica applicata
Ordinamento Cds
DM270
Parole chiave
Multi-Electrode Array,Machine Learning,Random Forest,Network Burst,Data Analysis,Data Augmentation,Subsampling,Neural Network in vitro
Data di discussione della Tesi
20 Marzo 2020
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^