Tese

On the application of Machine Learning and Complex Networks to Neuroscience (2023)

• Authors:
  • Alves, Caroline Lourenço
  • Rodrigues, Francisco Aparecido (Orientador)
• Autor USP: ALVES, CAROLINE LOURENÇO - ICMC
• Unidade: ICMC
• Sigla do Departamento: SME
• DOI: 10.11606/T.55.2023.tde-31082023-145944
• Subjects: APRENDIZADO COMPUTACIONAL; REDES COMPLEXAS; MINERAÇÃO DE DADOS; DESCOBERTA DE CONHECIMENTO; DIAGNÓSTICO POR COMPUTADOR; RESSONÂNCIA MAGNÉTICA; DOENÇAS DO SISTEMA NERVOSO; ANÁLISE DE SÉRIES TEMPORAIS
• Keywords: Aprendizado profundo; Complex networks; Deep learning; Doenças neurológicas; Electroencephalogram; Eletroencefalograma; Functional magnetic resonance imaging; Machine learning; Neurological diseases; Psicodélicos; Psychedelics
• Agências de fomento:
  • Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
  • Financiamento CAPES
• Language: Inglês
• Abstract: A mineração de dados e a descoberta de conhecimentos é uma área de estudo, com aplicações em diferentes áreas, tais como na medicina, e seus métodos têm provado ser muito eficazes na realização de diagnósticos automatizados, ajudando na tomada de decisões pelas equipes médicas. Para além da utilização da extração de dados, os dados médicos podem ser representados por redes complexas. Por exemplo, no caso do cérebro, as regiões corticais podem representar vértices num gráfico e as ligações podem ser definidas através de atividades corticais. Assim, podemos comparar a estrutura cerebral de pacientes saudáveis com a de pacientes com distúrbio mental, a fim de definir métodos de diagnóstico e de obter conhecimentos sobre a forma como a estrutura do cérebro está relacionada com mudanças comportamentais e neurológicas. O presente trabalho visava desenvolver um modelo de previsão capaz de melhorar o diagnóstico de doenças mentais como a esquizofrenia, a doença de Alzheimer e o transtorno do espectro autista , utilizando séries temporais obtidas a partir do eletroencefalograma e da ressonância magnética funcional. E, além disso, verificar se essa mesma metodologia é capaz de detectar automaticamente alterações nas redes funcionais cerebrais induzidas pela ayahuasca e pela N,N-Dimetiltriptamina, uma vez que os psicodélicos podem ter um potencial terapêutico para algumas doenças mentais . Em geral, o modelo preditivo desenvolvido para as doenças aqui estudadas foi superior aoencontrado na literatura. Quanto ao estudo dos psicodélicos, foram adquiridos novos conhecimentos sobre os seus mecanismos. Além disso, a metodologia do presente trabalho determinou quais medidas de redes complexas são mais eficazes na captura de alterações cerebrais, incluindo novas métricas desenvolvidas pelo autor. E estas novas métricas foram fundamentais no estudo do transtorno do espectro autista e das substâncias psicodélicas. Finalmente, a mesma metodologia aqui aplicada pode ser útil na interpretação de séries temporais de eletroencefalograma e ressonância magnética funcional de outras doenças e de sujeitos que consumiram outros psicodélicos ou outros medicamentos (tais como antidepressivos) e podem ajudar a obter uma compreensão detalhada nas alterações das redes funcionais cerebrais resultantes da administração de medicamentos.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2023
• Data da defesa: 05.05.2023

Informações sobre o DOI: 10.11606/T.55.2023.tde-31082023-145944 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  ALVES, Caroline Lourenço. On the application of Machine Learning and Complex Networks to Neuroscience. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-145944/. Acesso em: 31 dez. 2025.

• APA

  Alves, C. L. (2023). On the application of Machine Learning and Complex Networks to Neuroscience (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-145944/

• NLM

  Alves CL. On the application of Machine Learning and Complex Networks to Neuroscience [Internet]. 2023 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-145944/

• Vancouver

  Alves CL. On the application of Machine Learning and Complex Networks to Neuroscience [Internet]. 2023 ;[citado 2025 dez. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-145944/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Diagnóstico de doenças mentais baseado em mineração de dados e redes complexas
• Revisiting the involvement of tau in complex neural network remodeling: analysis of the extracellular neuronal activity in organotypic brain slice co-cultures
• Diagnosis of neurological diseases based on data mining and complex network
• On the advances in machine learning and complex network measures to an EEG dataset from DMT experiments
• Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia
• Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning
• EEG functional connectivity and deep learning for automatic diagnosis of brain disorders: Alzheimer's disease and schizophrenia
• Diagnosis of autism spectrum disorder based on functional brain networks and machine learning
• Application of machine learning and complex network measures to an EEG dataset from ayahuasca experiments