Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Estudio utiliza machine learning para conocer como el cerebro codifica recuerdos a corto plazo

El estudio fue publicado el 1 de noviembre de 2019 en Nature Communications.

Investigadores del Instituto de Salud N.1 de la Universidad Nacional de Singapur (NUS) realizaron estudio sobre sobre working memory o memoria de trabajo, que es la habilitad de manipular información en corto plazo. “El mantenimiento de la memoria parece implicar la actividad sostenida de las neuronas en la corteza prefrontal lateral” mencionan al inicio del estudio.

Los investigadores en su hipótesis aseguran que el mantenimiento de la memoria parece implicar la actividad de neuronas en la corteza prefrontal lateral por lo que el mantenimiento de la memoria parece implicar la actividad sostenida de las neuronas en la corteza prefrontal lateral (LPFC).

Los investigadores desarrollaron un algoritmo de optimización, a través de este encontraron un subespacio de baja dimensión que contiene información de memoria invariante en el tiempo. Esta información se redujo en los ensayos donde se utilizaron dos monos adultos, y ambos cometieron errores en la tarea asignada, y también se encontró en períodos del ensayo que no se utilizaron para encontrar el subespacio.

Los científicos, liderados por el Profesor Asistente Camilo Libedinsky, del Departamento de Psicología de la NUS, y el Profesor titular Shih-Cheng Yen, del Programa de Innovación y Diseño en la Facultad de Ingeniería de la NUS, encontraron que una población de neuronas en el lóbulo frontal del cerebro contiene información de memoria estable a corto plazo dentro de la actividad neuronal que cambia dinámicamente.

Para la realización de este estudio se entrenaron dos monos adultos para realizar una tarea con un distractor intermedio. Se registraron un total de 256 neuronas LPFC y 137 neuronas FEF. “El LPFC tiene un gran número de neuronas con respuestas selectivas mixtas, que aumentan drásticamente la dimensionalidad de las representaciones y pueden soportar una transmisión de información fiable”.

En el estudio se demostró que una región abajo del LPFC podría leer información de memoria invariante en el tiempo utilizando el subespacio, no obstante, no se ha demostrado que alguna región utilice el subespacio para leer información. A través de herramientas de machine learning los científicos demostraron que es posible encontrar información estable dentro del código cambiante de la población neuronal.

Ahora los investigadores están ampliando este tipo de estudios para conocer como interactúan las diferentes regiones del cerebro en el procesamiento de la información recibida.

 

Para leer el estudio completo (en inglés) ingresa al siguiente enlace: https://www.nature.com/articles/s41467-019-12841-y#Sec7

Noticias destacadas

Noticias por país

Comparte el contenido

Salud Digital en el mundo

  • — Science Brief: Omicron (B.1.1.529) Variant/ actualizaciones CDC
    Ver más
  • — Coronavirus resource center / Johns Hopkins
    Ver más
  • — Rastreo epidemiológico de contactos COVID-19 / Curso Johns Hopkins
    Ver más
  • — Comportamiento infección SARS-CoV-2 / Calculadora FCS
    Ver más
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Artículo The Lancet
    Ver más
  • — Genomic Epidemiology Tracker / GISAID
    Ver más
  • — Consorcio Mexicano de Vigilancia Genómica
    Ver más
Secured By miniOrange