• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.45.2019.tde-23032020-141326
Documento
Autor
Nome completo
Evelyn Pérez Cervantes
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2019
Orientador
Banca examinadora
Cesar Junior, Roberto Marcondes (Presidente)
Coelho, Regina Celia
Hirata, Nina Sumiko Tomita
Oliveira, Maria Cristina Ferreira de
Zana, Yossi
Título em português
Classificação morfológica de neurônios baseada na hierarquia das árvores dendríticas
Palavras-chave em português
Arborização dendrítica
Classificação morfológica
Classificação supervisionada
Compartilhamento de dados
Morfometria
Neurônio
Reconstrução morfológica
Reconstrução neuronal digital
Seleção de características
Resumo em português
Entre os desafios que a neuroanatomia tem enfrentado desde seu início, a identificação de características que permitam distinguir diversas categorias de células neuronais do ponto de vista morfológico tem atraído atenção de pesquisadores pertencentes a diferentes áreas, os quais tentam, caracterizar quantitativamente os neurônios. Por outro lado, considerando a bem conhecida premissa de que a forma das diversas células está diretamente relacionada com sua função. A caracterização morfológica de neurônios, portanto, permite fazer análises com a finalidade de avançar em direção ao principal objetivo da neurociência: entender o funcionamento do cérebro. Os neurônios são compostos de três partes principais: corpo celular, dendritos e axônios. Os dendritos têm forma de árvore; o conjunto de dendritos de um neurônio é comumente chamado de árvore dendrítica e, de maneira análoga às árvores possuem uma hierarquia de ramos. Este trabalho tem como objetivo construir e validar novos métodos para analisar morfologicamente conjuntos de neurônios usando suas reconstruções digitais em diferentes níveis hierárquicos. Serão considerados neurônios inteiros bem como apenas as hierarquias das árvores dendríticas, com a finalidade de identificar partes morfologicamente relevantes para a classificação de reconstruções tridimensionais neurônios. Dessa maneira, seria possível otimizar a reconstrução digital de neurônios direcionando esforços para uma reconstrução mais detalhada das regiões relevantes. O método propõe diferentes estratégias de decomposição das árvores dendríticas ao longo de suas hierarquias. Um conjunto de mais de 5.000 neurônios, correspondentes a diferentes classes e provenientes de diversas espécies serão examinados com algoritmos de classificação supervisionados. Neste processo, serão consideradas 22 medidas morfológicas calculadas sobre os neurônios, principalmente, as relacionadas às árvores dendríticas. Os resultados mostram que é possível encontrar seções das árvores dendríticas morfologicamente relevantes para a classificação dos neurônios. Este resultado é relevante pois implica a possibilidade de usar apenas partes de neurônios para a classificação morfológica, o que por sua vez, ajudaria a direcionar o processo de reconstrução digital. As partes mais relevantes à classificação são os ramos mais próximos ao corpo celular, o que do ponto de vista biológico implicaria que a variabilidade causada nos ramos mais distantes do soma, gerada por estímulos externos aos indivíduos estudados, por exemplo, poderia ser desconsiderada. Em casos de neurônios similares, o método consegue identificar as hierarquias de ramos mais relevantes para a classificação, as quais não necessariamente correspondem a ramos mais próximos do soma. Neste sentido, os resultados evidenciados abrem novas possibilidades de análise parcial de neurônios, sem comprometer o resultado quando comparado à análise global além de expor possíveis implicações biológicas. Obtiveram-se acurácias de classificação similares usando-se neurônios inteiros e apenas partes deles.
Título em inglês
Morphological classification of neurons based on dendritic tree hierarchy
Palavras-chave em inglês
Data sharing
Dendritic arborization
Digital neuronal reconstruction
Feature selection
Morphological classification
Morphological reconstruction
Morphometry
Neuron
Supervised classification
Resumo em inglês
Among the challenges that neuroanatomy has faced since its inception, the identification of characteristics that allow to distinguish several types of neuronal cells from the morphological point of view, has attracted attention of researchers belonging to different areas, which until today try to characterize quantitatively neurons. On the other hand, considering the premise that the form is directly related to the function of several cells, the shape of the neuron can reveal many properties about its function. The morphological characterization of neurons, therefore, allows analyzes with the purpose of achieving the main objectives of neuroscience, a better understand of how the brain works. Neurons are composed of three main parts: cell body, dendrites and axons. Dendrites are tree-shaped; the set of dendrites of a neuron is commonly called dendritic tree and, similarly to trees, they have a hierarchy of branches. This work aims to construct and validate new methods to analyze morphologically sets of neurons using their digital reconstructions at different dendritic levels. This allows considering the entire neurons and only hierarchies of the dendritic trees, in order to identify parts morphologically relevant to the classification of the neuron. In this way, it would be possible to optimize the digital reconstruction of neurons by directing efforts towards a more detailed reconstruction of the relevant regions. The method proposes different strategies for the decomposition of dendritic trees throughout their hierarchies. A set of more than 5,000 neurons corresponding to different classes and coming from several species will be examined with supervised classification algorithms. In this process, we will consider 22 morphological measures calculated on the neurons and focused mainly on the dendritic trees. The results show that it is possible to find sections of the dendritic trees morphologically relevant for the classification of neurons. The relevance lies in the possibility of using only parts of neurons for the morphological classification of cells, which in turn could help direct the digital reconstruction process. The most relevant parts to the classification are the branches closest to the cell body, which biologically would imply that the variability caused in the branches but distant from the soma, generated by stimuli external to the individuals studied for example, could be disregarded. In cases of similar neurons, the method is able to identify the hierarchies of branches most relevant to classification, which do not necessarily correspond to branches closer to the soma. In this sense, the results revealed open new possibilities of partial analysis of neurons, without compromising the result when compared to the global analysis besides exposing possible biological implications. Similar classification accuracies were obtained using whole neurons and using only parts of the neurons.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Tese_Evelyn.pdf (17.55 Mbytes)
Data de Publicação
2021-01-21
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2021. Todos os direitos reservados.