Riassunto analitico
La premessa dell'emergente settore delle neuroscienze cognitive computazionali è rappresentata dallo sviluppo di modelli matematici e computazionali delle strutture cerebrali al fine di comprendere nel dettaglio i funzionamenti mentali e comportamentali. Tali modelli possono contemplare diversi livelli di astrazione e di analisi, spaziando dalle attività unitarie di neuroni e sinapsi fino a livello delle reti neurali o di sistema, in cui diverse regioni cerebrali interagiscono, dando vita alla cognizione, ai comportamenti ed alle azioni. L'importanza dei metodi computazionali nelle neuroscienze cognitive è ragguardevole per differenti discipline e sotto diversi punti di vista; per esempio, essi rappresentano uno strumento fondamentale per comprendere le origini fisiologiche delle neuropatologie, dei disturbi mentali, o dei meccanismi neurobiologici alla base del "processo decisionale", del processamento emozionale e del comportamento. La presente tesi riguarda le metodologie e le tecniche applicate al settore delle neuroscienze cognitive computazionali. In particolare vengono considerati il processamento emozionale implicito ed i meccanismi di elaborazione non consapevole (inconscia). Attraverso una analisi sistematica della letteratura tecnica, sono stati ottenuti dei modelli matematici e computazionali che descrivono il processamento inconscio del cervello ed il sistema di valutazione emozionale implicito. Successivamente, tali modelli sono stati utilizzati in una analisi deduttiva che fornisce una descrizione meccanicistica di come i comportamenti e le reazioni emozionali anormali derivano da disfunzioni neurocircuitali. Inoltre, vengono presentate simulazioni numeriche che mostrano una evoluzione temporale (plausibile da un punto di vista neurofisiologico) delle risposte neurali durante il processamento emozionale traumatico. I modelli proposti e le simulazioni numeriche suggeriscono metodi innovativi per la modulazione emozionale in modelli animali (ad esempio come indurre risposte emozionali traumatiche inestinguibili, o come ridurre ed estinguere reazioni patologiche); questi metodi si basano sulla recente tecnologia di manipolazione optogenetica (la cosiddetta "engram technology", sviluppata all'interno del Labgoratorio Tonegawa, MIT) congiuntamente ad una innovativa tecnica neurocomportamentale, denominata "iterative climbing", proposta all'interno di questa tesi. Inoltre, i modelli derivati per i processamenti inconsci ed impliciti vengono estesi ad altre popolazioni neuronali oltre al sistema emozionale, suggerendo, e permettendo di modellare differenti meccanismi neurofisiologici alla base del cosiddetto effetto placebo implicito (o inconscio). I modelli proposti forniscono alcune basi teoriche per ottenere un incremento dell'efficacia di sostanze neurofarmacologiche, sfruttando specifici meccanismi neurofisiologici ed il processamento implicito. Inoltre, in questa tesi viene analizzata la possibilità di inferire le emozioni umane partendo dall'analisi della variazione della dimensione pupillare nel tempo. Il metodo proposto si basa su una moderna tecnica di machine learning, nota come modello support vector machine (SVM), che viene addestrato sulla base di dati sperimentali. Diverse features derivate dalla cosiddetta trasformata wavelet discreta e dalla rappresentazione nello spazio delle fasi del segnale pupillare, sono state estratte e processate per la classificazione. Infine, viene discusso di come tecniche di machine learning e modelli computazionali relativi al processamento non-conscio (implicito) possono essere sfruttati per lo sviluppo di uno strumento diagnostico non invasivo, basato sul segnale relativo alla variazione pupillare, per problematiche neuropsichiatriche e psicologiche, oltre che per l'inferenza dei tratti di personalità.
|
Abstract
The premise of the emerging field of computational cognitive neuroscience is the exploitation of mathematical and computational models of brain structures to gain deeper insights into mental and behavioral functioning. Such models can be related to different levels of abstraction and analysis, ranging from single neuronal and synaptic activities to neural networks or to system level, in which multiple brain regions interact giving rise to cognition, behaviors and actions. The importance of computational methods in cognitive neuroscience are remarkable in different disciplines and from diverse perspectives; for instance, they represent a fundamental tool for understanding the mechanistic origins of neuropsychopathologies, psychological diseases, or the neurobiological mechanisms at the basis of "decision making", emotional processing and behaviors. This thesis focuses on different methods and technologies in the field of computational cognitive neuroscience. In the developed work, implicit emotional processing and non-conscious elaboration are taken into consideration. Starting from a systematic analysis of the technical literature, mathematical and computational models for unconscious brain processing and implicit emotional evaluation are derived. Then, such models are adopted in a deductive approach providing a mechanistic bridge that explains how abnormal emotional behaviors and responses can result from neurocircuit dysfunctions. In addition, numerical simulations are performed, showing neurophysiological plausible evolution of neural responses during traumatic emotional processing. The derived models and numerical simulations suggest novel methods for emotional modulations in animal models (e.g., inducing traumatic inextinguishable emotional responses, or lowering and extinguishing pathological reactions); these methods are based on a recent optogenetic technology (i.e., the so called "engram technology", Tonegawa Lab, MIT) in conjunction with a novel neurobehavioral procedure, named iterative climbing, which is proposed in this thesis. Furthermore, the derived models for unconscious and implicit processing are extended beyond the emotional system, considering a broader spectrum of neural populations, suggesting and modeling different neurophysiological mechanisms that underlie implicit (unconscious) placebo response. The derived model provides some theoretical bases to enhance the effect of neuropharmacological drugs exploiting specific neurophysiological mechanisms and implicit processing. Moreover, in this this thesis the possibility of inferring human emotions from the analysis of the pupil size variations over time is explored. The developed method is based on a modern machine learning technique, which is known as support vector machine (SVM) and is trained by means of a set of experimental data. Different features related to discrete wavelet transform and phase space of pupil signal are extracted and processed for classification. Finally, it is discussed how machine learning techniques and computational models of non-conscious (implicit) processing can be exploited for the development of a non-invasive diagnostic tool, based on pupil size variation signals, for neuropsychiatric and psychological diseases, other than psychological and personality traits inference.
|
