Decodificación neuronal de decisiones en el espacio de características multidimensional utilizando un autoencoder...

Área de la Ciencia:

• La neurociencia
• Neurociencia computacional
• El aprendizaje automático en la neurociencia

Sus antecedentes:

• Las herramientas avanzadas de neurociencia permiten la grabación de cientos de neuronas durante tareas cognitivas complejas.
• Comprender cómo el cerebro procesa la información multidimensional para la toma de decisiones sigue siendo un desafío.

Objetivo del estudio:

• Desarrollar y aplicar un nuevo marco de codificación-decodificación-clasificación para decodificar la toma de decisiones de la actividad de la población neuronal.
• Investigar la codificación neuronal del aprendizaje de características multidimensionales en la corteza prefrontal y los ganglios basales.

Principales métodos:

• Utilizó un autoencoder variacional recurrente cerrado (VAE) para decodificar señales neuronales.
• Registrado simultáneamente desde más de 300 canales neuronales en monos realizando una tarea multidimensional.
• Se empleó un muestreo estratificado jerárquico y una precisión equilibrada para la formación y evaluación de modelos.

Principales resultados:

• El modelo logró una alta precisión de decodificación para las decisiones en el espacio de características multidimensional.
• Se identificaron distintas funciones de codificación neuronal: los canales de la corteza cingulada anterior (ACC) codifican colectivamente las variables de decisión, mientras que los canales de la corteza prefrontal (PFC) contribuyen individualmente.
• La precisión de la decodificación fue comparable a problemas más simples y de menor dimensión.

Conclusiones:

• Los marcos de aprendizaje automático pueden capturar efectivamente las interacciones neuronales espaciotemporales complejas.
• Este enfoque ofrece una herramienta poderosa para comprender la base neuronal de comportamientos cognitivos complejos.
• Los hallazgos arrojan luz sobre cómo diferentes regiones del cerebro contribuyen al procesamiento de información multidimensional para el comportamiento de elección.