MADRID, 21 Feb. (EUROPA PRESS) -
Un equipo científico, formado por investigadores del Centro de Tecnología Biomédica (CTB) de la UPM, de la universidad de La Laguna (ULL) y del Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB), ha generado un sistema de detección de patrones neuro-inspirado.
En concreto, los expertos han desarrollado este método para la detección de patrones temporales y lo ha utilizado para clasificar señales cerebrales obtenidas por magnetoencefalografía. La metodología, que ha sido validada y aplicada a datos reales, podría arrojar luz sobre algunos mecanismos de almacenamiento de información en el cerebro.
Los personas se desempeñan notablemente bien en muchas tareas cognitivas, incluido el reconocimiento de patrones, pero los mecanismos neuronales subyacentes a este proceso todavía no se conocen bien. Sin embargo, las redes neuronales artificiales inspiradas en circuitos cerebrales se han diseñado y utilizado para abordar tareas de reconocimiento de patrones espacio-temporales.
En este sentido, el trabajo que han llevado a cabo los investigadores del Laboratorio de Neurociencia Cognitiva y Computacional (LNCyC) del CTB de la UPM, en colaboración con científicos de otras instituciones, es una estructura de detección de patrones que analiza secuencias temporales paralelas y, gracias al mecanismo de plasticidad sináptica incorporado en el modelo, es capaz de aprender las características distintivas de diferentes tipos de señales de interés.
El nombre de la estructura neuro-inspirada creada por el grupo es 'MNSD', la cual puede entrenarse 'on line', a medida que recibe nuevos ejemplos, y no necesariamente aprendiendo todo el conjunto de datos de entrenamiento a la vez. Después de un número suficiente de ejemplos, 'MNSD' aprende a distinguir secuencias temporales pertenecientes a una clase específica, discerniendo aquellas que tienen las características aprendidas de aquellas que no las tienen.
El correcto funcionamiento de la estructura ha sido validado con datos simulados y posteriormente aplicado a datos reales (pruebas psicológicas realizadas en humanos para la evaluación del control inhibitorio). Los resultados muestran que las prestaciones de este método son similares a las obtenidas con otras técnicas de clasificación, lo que indica la efectividad de este nuevo enfoque.
"Pero, lo más interesante es su bio-plausibilidad, que podría desvelar mecanismos de almacenamiento de información en el cerebro real", han dicho los expertos, quienes han asegurado que este método es capaz de trabajar de manera natural con secuencias temporales, aprendiendo los tiempos característicos involucrados en las series presentadas así como sus interrelaciones.
Además, la misma técnica puede ser adaptada al reconocimiento de objetos, después de haber codificado apropiadamente sus características en el dominio del tiempo. "La simplicidad y el bajo coste computacional del método desarrollado permiten una implementación a gran escala en aplicaciones de reconocimiento en tiempo real en varias áreas, como la autenticación biométrica o la detección temprana de enfermedades", han zanjado.
