Estudio y realización de un neuroprocesador biológico: métodos de aprendizaje

Abstract

[SPA] 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.

[ENG] This thesis deals with two different fields, inherently related to each other in this case: neuroscience and computation. The overall objective of this thesis is the development of a biological neuroprocessor with cultured biological neural networks using microelectrode arrays as platform. This objective results in a set of specific subobjectives: (1) Define and build a platform for real time support of acquisition systems and electrical stimulation systems of neural registers, which remotely communicates with a robotic device. (2) Study and propose a robotic guidance method based on a close-loop platform which includes the sensory robot information in the neuroprocessor and, according to its response, guides the robotic system. (3) Normalization and statistic calibration of the registers of the neuroprocessor in order to adapt them to different algorithms of robotic guidance and learning in cultured neural networks. (4) Study and define learning techniques in neural cultures for the development of functional connectivity which allows new programming paradigms in biological neuroprocessors. Regarding objective (1), a real-time close-loop experimentation system with neural cultures has been proposed, which provides a complete solution for filtering, visualization, processing and stimulation of electrophysiological response from neural population and communication with a robotic system. In order to reach objective (2), centre of area algorithm for robotic guidance has been adapted to the functional response of neural populations, identifying those electrodes from the array whose neurons increase the most its firing rate, as target for robotic guidance. Objective (3) has been met giving statistic calibration and normalization techniques of neural population registers that conform the neuroprocessor having in mind the goal of supressing the intrinsic variability of those populations and the different nonhomogeneity characteristics, both in culture density and electrical properties of the electrodes. Finally, regarding objective (4), a natural learning paradigm has been proposed, Hebbian learning, to conform functional connections between previously not connected electrodes. In this way, the cultures can be modelled for implementing the desired behaviour in the biological structure, in this case Braitenberg behaviour.