Creats algoritmes per entendre la relació de les connexions cerebrals amb els moviments

Els neurocientífics observen i analitzen el comportament dels animals i la seva activitat cerebral en entorns controlats, amb l'objectiu, per exemple, de trobar una relació causal entre l'activitat neuronal i l'activitat física. Per fer-ho anoten manualment les dades de l'activitat física, del comportament i de l'activitat neuronal, una tècnica poc eficaç perquè requereix molt de temps, es poden cometre errors humans i és subjectiva, atès que depèn de qui anoti les observacions, per la qual cosa no és reproduïble.

En els últims anys, el tractament automatitzat d'aquestes dades ha anat guanyant pes, atès que resulta més eficient i reproduïble. És l'enfocament que ha emprat en la seva tesi Waseem Abbas, doctorat en el programa de Tecnologies de la Informació i de Xarxes de la Universitat Oberta de Catalunya (UOC). Part de la recerca ja ha estat publicada en dues revistes científiques: Sensors i IEEE Access.

La tesi proposa solucions basades en l'aprenentatge profund (deep learning) per registrar l'activitat neuronal i el comportament observat en ratolins als quals se'ls va bloquejar el moviment del cap. L'objectiu és permetre als neurocientífics anotar les dades de comportament i extreure'n patrons neuronals de manera automatitzada perquè puguin establir, així, un vincle causal entre tots dos. «Per al seguiment de gestos, hem proposat una ruta basada en l'aprenentatge profund que codifica explícitament la informació temporal apareguda en els vídeos», explica Abbas.

A més, l'investigador també va analitzar imatges neuronals dels rosegadors amb l'ajuda d'indicadors de calci fluorescents codificats genèticament (GECI, segons la sigla en anglès). «Quan una neurona està activa, la concentració de GECI canvia dins de la cèl·lula i aquest canvi és visible amb un microscopi fluorescent», indica el científic.

Per anotar de manera automàtica els moviments de les extremitats dels ratolins que apareixien en els vídeos i també detectar totes les neurones actives en les imatges d'activitat neuronal, el científic va entrenar els algorismes d'aprenentatge profund que havia desenvolupat. En concret, els va dissenyar perquè tinguessin en compte en cada moment el context espaciotemporal.

Una recerca interdisciplinària

La tesi és un exemple de col·laboració interdisciplinària, en paraules del seu director, David Masip. «Col·laborem amb investigadors de l'àmbit de la neurociència per ajudar a relacionar les connexions del cervell, visibles en viu mitjançant imatges basades en calci, amb els moviments de les articulacions», resumeix Masip, director de l'Escola de Doctorat de la UOC, professor dels Estudis d'Informàtica, Multimèdia i Telecomunicació i investigador principal del grup Scene understanding and artificial intelligence lab (SUNAI).

Segons el científic, la metodologia desenvolupada permet registrar grans volums de dades. D'una banda, vídeos de ratolins en moviment i, de l'altra, cubs de dades del cervell, cosa que requereix una gran automatització, que s'ha resolt amb els nous algorismes.

El pas següent és entrenar els dos grups de manera simultània. «Si hi ha un conjunt de dades sincrònic disponible, per exemple, si hem vist les dades d'imatges de locomoció i calci registrades per al mateix animal simultàniament, aleshores podem entrenar aquests dos enfocaments junts per descobrir qualsevol relació causal», planteja Abbas.

D'un municipi del Pakistan a Barcelona

Des de petit, al jove li han interessat la ciència i la tecnologia. Nascut al petit municipi de Sepoy, al Pakistan —a tocar de la frontera amb l'Afganistan—, el seu passatemps preferit era construir joguines mecàniques amb argila o amb qualsevol altra cosa que pogués trobar.

Després d'obtenir una beca per estudiar a Corea del Sud, Abbas en va obtenir una altra per cursar els seus estudis a l'Escola de Doctorat de la UOC, una experiència que qualifica de «transformadora».

«Barcelona, amb la seva cultura i el seu ambient, em va impactar moltíssim. No solament vaig créixer en la meva capacitat professional, sinó que també vaig formar vincles duradors amb persones increïbles», assegura.

Aquesta recerca afavoreix els objectius de desenvolupament sostenible (ODS) següents: el 3, salut i benestar, i el 9, indústria, innovació i infraestructura. 

 

Referència de la tesi

Abbas. W. «Gesture Tracking and Neural Activity Segmentation in Head-fixed Behaving Mice by Deep Learning Methods».

UOC R&I 

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi, mitjançant l'estudi de la interacció de les TIC amb l'activitat humana, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital. Els més de 500 investigadors i 51 grups de recerca s'articulen entorn dels set estudis de la UOC i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC. Més informació: research.uoc.edu #25anysUOC