Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
  • ELECTRICITY
    • GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
      • CONTROL OR REGULATION OF ELECTRIC MOTORS, GENERATORS, OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS ([N: specially adapted for electrically propelled vehicles B60L]; structure of the starter, brake, or other control devices, see the relevant subclasses, e.g. mechanical brake F16D, mechanical speed regulator G05D, variable resistor H01C, starter switch H01H; systems for regulating electric or magnetic variables using transformers, reactors or choke coils G05F; arrangements structurally associated with motors, generators, dynamo-electric converters, transformers, reactors or choke coils, see the relevant subclasses, e.g. H01F, H02K; connection or control of one generator, transformer, reactor, choke coil, or dynamo-electric converter with regard to conjoint operation with similar or other source of supply H02J; control or regulation of static converters H02M) [C9907]
  • PHYSICS
Classificazione geografica
Bibliografia
Banker GA, Waxman AB (1988) Hippocampal neurons generate natural shapes in cell culture, in Intrinsic determinants of neuronalform and function. R.J. Lasek and M.M. Black eds., Alan R. Liss, N.Y.

Beggs JM, Plenz D (2003) Neuronal Avalanches in Neocortical Circuits. J Neurosci 23:11167-11177

Bi G and Poo MM (1999) Distributed synaptic modification in neural networks induced by patterned stimulation. Nature 401:792-796

Bressler SL. Large-scale cortical networks and cognition. Brain Res.Brain Res.Rev. 1995; 20(3):p. 288-304

Cozzi L (2005) Bi-Directional Neural Interfaces: Design, Implementation and Investigation of Neural Coding, PhD Thesis,University of Genova, Genova, 2005.

David,O. and Friston,K.J. (2003) A neural mass model for MEG/EEG: coupling and neuronal dynamics. Neuroimage, 20, 1743-1755.

DeMarse TB, Wagenaar DA, Blau AW, Potter SM (2001) The neurally controlled animat: biological brains acting with simulatedbodies. Autonomous Robots 11:305-310

Freeman,W.J. (1978) Models of the dynamics of neural populations. Clin.Neurophysiol., 34, 9-18.

Freeman,W.J. (1987) Simulation of chaotic EEG patterns with a dynamic model of the olfactory system. Biol.Cybern., 56, 139-150.

Friston KJ, Frith CD, Frackoviac RSJ (1993b): .Time-dependent changes in effective connectivity measured with PET', Human Brain Mapping 1: 69-80

Gerstein GL, Bloom MJ, Espinosa IE, Evanczuk S, Turner MR (1982) Design of a laboratory for multineuron studies. IEEE Syst Man Cybern 13:668-676

Gevins, A., 1989, Dynamic functional topography of cognitive task, Brain Topogr., 2: 37-56.

Gross GW, Williams AN, Lucas JH (1982) Recording of spontaneous activity with photoetched microelectrode surfaces from mousespinal neurons in culture, Journal of Neuroscience Methods, 5:13-22.

Gross, J,L. Timmermann, J. Kujala, R. Salmelin and A. Schnitzler, Properties of MEG tomographic maps obtained with spatial filtering, NeuroImage, Volume 19, Issue 4 , August 2003, Pages 1329-1336

Gross, J. Kujala, M. Hämäläinen, L. Timmermann, A. Schnitzler and R. Salmelin, Dynamic imaging of coherent sources: studying neural interactions in the human brain. Proc. Natl. Acad. Sci. USA 98 2 (2001), pp. 694-699.

Horwitz, B. The elusive concept of brain connectivity, Neuroimage, 19, 466-470, 2003

Inouye, T., Iyama, A., Shinosaki, K., Toi, S. and Matsumoto, Y., 1995. Inter-site EEG relationships before widespread epileptiform discharges. Int. J. Neurosci. 82, pp. 143-153

Jansen,B.H. and Rit,V.G. (1995) Electroencephalogram and visual evoked potential generation in a mathematical model of coupledcortical columns. Biol.Cybern., 73, 357-366.

Jimbo Y, Tateno T, Robinson HP (1999) Simultaneous induction of pathway-specific potentiation and depression in networks of cortical neurons. Biophys J 76:670-678

Kaminski, M, Blinowska, K A new method of the description of the information flow in the brain structures. Biol Cybern, 65: 203-210, 1991

Kaminski, M, Ding M, Truccolo WA, Bressler S, Evaluating causal relations in neural systems: Granger causality, directedtransfer function and statistical assessment of significance. Biol. Cybern. 85, 145-157, 2001

Konig,P. and Schillen,T.B. (1991) Stimulus-Dependent Assembly Formation of Oscillatory Responses: I.Synchronization. NeuralComputation, 3, 155-166.

Kriegstein AR, Dichter MA (1983) Morphological classification of rat cortical neurons in cell culture. J of Neurosci 3:1634-1647

Lee, L., Harrison, L.M., Mechelli, A. The functional brain connectivity workshop: report and commentary, Neuroimage, 19, 457-465, 2003

Lopes da Silva,F.H. (1976) Models of neuronal populations: the basic mechanisms of rhytmicity. Prog.Brain Res., 45, 281-308.

Maeda E, Robinson HP, Kawana A (1995) The mechanisms of generation and propagation of synchronized bursting in developingnetworks of cortical neurons. Journal of Neuroscience 15:6834-6845

Pfurtscheller G, Lopes da Silva FH. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin Neurophysiol. 1999 Nov;110(11):1842-57

Quian Quiroga R, Kraskov A, Kreuz T, Grassberger P. Performance of different synchronization measures in real data: a case study on electroencephalographic signals. Phys.Rev. 2002; E 65p. 041903

Saito Y., Harashima H., 1981, Tracking of information within multichannel EEG record. In:Yamaguchi N., Fujisawa K. (eds)Recent advances in EEG and EMG data processing. Elsevier, Amsterdam, pp 133-146

Schillen,T.B. and Konig,P. (1991) Stimulus-Dependent Assembly Formation of Oscillatory Responses: II.Desynchronization. NeuralComputation, 3, 167-178.

Shahaf G, Marom S (2001) Learning in networks of cortical neurons. Journal of Neuroscience 21:8722-8788

Tagamets,M.A. and Horwitz,B. (1998) Integrating electrophysiological and anatomical experimental data to create a large-scalemodel that simulates a delayed match-to-sample human brain imaging study. Cerebral Cortex, 8, 310-320.

Tagamets,M.A. and Horwitz,B. (2000) A model of working memory: bridging the gap between electrophysiology and human brain imaging. Neural Networks, 13, 941-952.

Urbano A, Babiloni C, Onorati P, Babiloni F. Dynamic functional coupling of high resolution EEG potentials related to unilateral internally triggered one-digit movements. Electroencephalogr Clin Neurophysiol. 1998;106(6):477-87.

Wagenaar DA, Madhavan R, Pine J and Potter SM (2005) Controlling bursting in cortical cultures with closed-loop multi-electrode stimulation. Journal of Neuroscience 25:680-688

Wang,D. (1995) Emergent Synchrony in Locally Coupled Neural Oscillators. IEEE transactions on neural networks, 6, 941-948.

Wang,D. and Terman,D. (1997) Image Segmentation Based on Oscillatory Correlation. Neural Computation, 9, 805-836.

Wendling,F., Bartolomei,F., Bellanger,J.J., and Chauvel,P. (2002) Epileptic fast activity can be explained by a model of impairedGABAergic dendritic inhibition. Europ.J.Neursci., 15, 1499-1508.

Wendling,F., Bellanger,J.J., Bartolomei,F., and Chauvel,P. (2000) Relevance of non-linear lumped parameter models in the analysisof depth-EEG epileptic signals. Biol.Cybern., 83 , 367-378.

Whittington,M.A., Traub,R.D., Kopell,N., Ermentrout,B., and Buhl,E.H. (2000) Inhibition-based rhythms: experimental andmathematical observations on network dynamics. Int.J.Psychophysiol., 38, 315-336.
Parole Chiave
CONNETTIVITÀ FUNZIONALE CEREBRALE; EEG AD ALTA RISOLUZIONE SPAZIALE; INTEGRAZIONE NEURALE; ARRAY DI MICRO-ELETTRODI; DINAMICA NEURALE; MODELLI NEURALI; ELABORAZIONE DEL SEGNALE EEG MULTICANALE

Stima della connettività funzionale cerebrale tramite metodologie avanzate

Università degli Studi di Bologna
Abstract
Il concetto di connettività corticale gioca un ruolo centrale nelle neuroscienze, come una possibile via per la comprensione del funzionamento coordinato di intere regioni cerebrali. Diverse definizioni di connettività sono state proposte: fra le altre, la connettività funzionale e' definita come la correlazione temporale fra eventi spazialmente remoti. Diversi algoritmi sono stati proposti per la valutazione della connettività funzionale a partire da dati EEG con alta risoluzione. Tuttavia, le loro prestazioni sotto diverse condizioni del segnale non sono stati finora chiarite in modo adeguato. Inoltre, non è chiaro quale tipo di informazioni sulla connettività possa essere estratto in modo affidabile dalle informazioni contenute in segnali EEG.
I metodi per la valutazione della connettività corticale possono essere utilmente validati attraverso simulazione, utilizzando modelli matematici oppure colture reali di popolazioni neurali. Scopo del presente progetto è di sviluppare, validare ed utilizzare dei metodi avanzati per la stima della connettività funzionale.
Il progetto si articolerà in quattro attività principali:
i) Implementare e validare diversi modelli neurali per la generazione di segnali. I parametri dei modelli saranno assegnati mediante una procedura di best fitting, in modo da riprodurre la densità spettrale di potenza dell'attività corticale in alcune regioni di interesse (ROI) durante un compito cognitivo. Questa analisi porterà alla >>>

Coordinatore Scientifico del Programma di Ricerca
Mauro URSINO Università degli Studi di BOLOGNA
Obiettivo del Programma di Ricerca
Come evidenziato nella base di partenza scientifica (si veda quella sezione), diversi metodi sono stati proposti in letteratura per la valutazione della connettività funzionale negli esseri umani. Tuttavia, solo pochi studi a carattere di simulazione hanno definito in parte la validità di questi metodi, lasciandone molti privi di validazione. Si presenta quindi la necessità di testare in modo adeguato i principali metodi lineari e non lineari per la valutazione della connettività funzionale. Tuttavia, il test può essere effettuato adeguatamente solo in un setup di simulazione, e il setup di simulazione deve essere il più realistico possibile, per restituire informazioni circa il comportamento dei metodi nel caso reale. Un setup di simulazione realistico significa una adeguata descrizione delle dinamiche delle popolazioni neurali su scala microscopica, quindi un'integrazione di tale attività su scala mesoscopica per la generazione della macroattività riconoscibile tramite gli elettrodi per EEG. Per tali ragioni, il progetto includerà specialisti sia nella modellazione delle dinamiche neurali (gruppo di BOLOGNA e GENOVA), specialisti nell'elaborazione e analisi dei segnali (gruppo di MILANO) e specialisti nella propagazione e applicazione di pacchetti software avanzati per l'elaborazione dell'EEG con l'impiego di modelli realistici dei volumi conduttori nella testa (gruppo di ROMA). Tutti questi gruppi di ricerca lavoreranno insieme per raggiungere l'obiettivo principale del >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Attualmente si pensa che l'attivita' cerebrale si basi sull'elaborazione delle informazioni in maniera modulare e distribuita. Le funzioni cerebrali possono allora essere analizzate mediante l'identificazione di aggregati neuronali e l'analisi delle loro relazioni. In questa visione, il cervello appare come una sinergia di molti sottosistemi interagenti, ognuno dedicato ad una particolare funzione. La conseguenza di questa assunzione e' che le differenze nelle attivazioni cerebrali durante diverse condizioni sperimentali o in diverse gruppi di soggetti derivino in generale da dissimili dinamiche neuronali, sia nella loro localizzazione spaziale corticale che nella variazione dei legami funzionali fra le aree corticali. In altre parole, regioni corticali attivate in modo simile possono produrre differenti risposte comportamentali e/o cognitive solo in base alla variazione dei loro legami funzionali.
Nel corso dell'ultimo decennio, lo sviluppo di metodiche non invasive per il mappaggio dell'attivita' cerebrale basate sulle misure emodinamiche (functional Magnetic Resonance Imaging, fMRI) od elettromagnetiche (EEG ad alta risoluzione, magnetoelettroencefalografia, MEG) ha prodotto una grande conoscenza circa le aree cerebrali che si attivano durante task motori o cognitivi nell'uomo. Tuttavia una fondamentale questione resta a tutt'oggi aperta, ovvero come queste regioni comunichino l'una con l'altra.
A questo proposito, il concetto di connettivita' corticale sta >>>