Una SNN biomimetica per riprodurre la dinamica di reti neurali in vivo

Abstract

L'ictus è una delle principali cause di morte e disabilità in tutto il mondo. Attualmente, la riabilitazione post-ictus si basa principalmente sulla terapia fisica, ma spesso porta solo a un recupero motorio parziale. Di recente, gli approcci elettroceutici si sono dimostrati promettenti nell'indurre il recupero motorio nei modelli animali, fornendo schemi di stimoli sia in un loop aperto che chiuso. Accanto ai modelli biologici utilizzati per lo studio del sistema nervoso, sono emersi moderni modelli artificiali (come le ANNs), che consentono la simulazione di reti neurali con dinamiche specifiche in tempo quasi reale. Obiettivo. Questa tesi mira a promuovere lo sviluppo di una spiking neural network (SNN) in tempo reale basata su hardware, destinata a fornire terapie di stimolazione elettrica personalizzate. In particolare, questo lavoro comprende la caratterizzazione di una rete neurale biologica (BNN) in vivo e la messa a punto della SNN, denominata BioemuS, composta da neuroni Hodgkin-Huxley a singolo compartimento con sinapsi altamente biomimetiche. Sia l'attività spontanea che quella evocata della BNN vengono analizzate: la prima viene utilizzata come comportamento target nella fase di regolazione della SNN, mentre la seconda aiuta a capire come la lesione e le successive terapie di stimolazione tradizionali influenzano l'interazione tra le aree premotorie e somatosensoriali. Risultati. L'analisi dell'attività evocata nelle due aree monitorate (aree premotorie e somatosensoriali) ha rivelato una significativa diminuzione dovuta alla lesione. Inoltre, le terapie di stimolazione tradizionali in loop aperto si sono rivelate inefficaci nel ripristinare i livelli di attività pre-lesione, al contrario della stimolazione dipendente dall'attività che sfrutta un paradigma a loop chiuso. L'attività spontanea dell'area premotoria dei ratti anestetizzati, considerata la rete neurale biologica, è stata caratterizzata e replicata con successo dalla SNN.

Stroke is one of the primary causes of death and disability worldwide. Currently, post-stroke rehabilitation mainly relies on physical therapy, but it often leads to a partial motor recovery. Recently, electroceutical approaches have proven promising in inducing motor recovery in animal models delivering patterns of stimuli in either an open- or closed-loop. Alongside biological models used for studying the nervous system, modern artificial models (such as ANNs) have emerged, enabling the simulation of neural networks with specific dynamics in near real-time. Objective. This thesis aims to advance the development of a real-time hardware-based Spiking Neural Network (SNN) intended for delivering personalized electrical stimulation therapy. Specifically, this work encompasses the characterization of an in vivo Biological Neural Network (BNN) and the fine-tuning of the SNN, named BioemuS, which consists of single-compartment Hodgkin-Huxley neurons with highly biomimetic synapses and noise. Both spontaneous and evoked activity of the BNN are analyzed: the former is used as the target behavior in the SNN tuning phase, while the latter helps to understand how the lesion and the subsequent traditional stimulation therapies affect the interplay between the premotor and somatosensory areas. Results. The analysis of the evoked activity at the two monitored locations (premotor and somatosensory areas) revealed a significant decrease due to the lesion. Additionally traditional open-loop stimulation therapies proved ineffective in restoring pre-lesion firing levels, in contrast to activity-dependent stimulation that leverages a closed-loop paradigm. The spontaneous activity of the premotor area of anesthetized rats, considered the biological neural network, was characterized and successfully replicated by the SNN.