Physiological modules for generating discrete and rhythmic movements: action identification by a dynamic recurrent neural network

In this study we employed a dynamic recurrent neural network (DRNN) in a novel fashion to reveal characteristics of control modules underlying the generation of muscle activations when drawing figures with the outstretched arm. We asked healthy human subjects to perform four different figure-eight movements in each of two workspaces (frontal plane and sagittal plane). We then trained a DRNN to predict the movement of the wrist from information in the EMG signals from seven different muscles. We trained different instances of the same network on a single movement direction, on all four movement directions in a single movement plane, or on all eight possible movement patterns and looked at the ability of the DRNN to generalize and predict movements for trials that were not included in the training set. Within a single movement plane, a DRNN trained on one movement direction was not able to predict movements of the hand for trials in the other three directions, but a DRNN trained simultaneously on all four movement directions could generalize across movement directions within the same plane. Similarly, the DRNN was able to reproduce the kinematics of the hand for both movement planes, but only if it was trained on examples performed in each one. As we will discuss, these results indicate that there are important dynamical constraints on the mapping of EMG to hand movement that depend on both the time sequence of the movement and on the anatomical constraints of the musculoskeletal system. In a second step, we injected EMG signals constructed from different synergies derived by the PCA in order to identify the mechanical significance of each of these components. From these results, one can surmise that discrete-rhythmic movements may be constructed from three different fundamental modules, one regulating the co-activation of all muscles over the time span of the movement and two others elliciting patterns of reciprocal activation operating in orthogonal directions.

Estimating relative abundance from catch and effort data, using neural networks

We develop and test a method to estimate relative abundance from catch and effort data using neural networks. Most stock assessment models use time series of relative abundance as their major source of information on abundance levels. These time series of relative abundance are frequently derived from catch-per-unit-of-effort (CPUE) data, using general linearized models (GLMs). GLMs are used to attempt to remove variation in CPUE that is not related to the abundance of the population. However, GLMs are restricted in the types of relationships between the CPUE and the explanatory variables. An alternative approach is to use structural models based on scientific understanding to develop complex non-linear relationships between CPUE and the explanatory variables. Unfortunately, the scientific understanding required to develop these models may not be available. In contrast to structural models, neural networks uses the data to estimate the structure of the non-linear relationship between CPUE and the explanatory variables. Therefore neural networks may provide a better alternative when the structure of the relationship is uncertain. We use simulated data based on a habitat based-method to test the neural network approach and to compare it to the GLM approach. Cross validation and simulation tests show that the neural network performed better than nominal effort and the GLM approach. However, the improvement over GLMs is not substantial. We applied the neural network model to CPUE data for bigeye tuna (Thunnus obesus) in the Pacific Ocean.

Defeitos do tubo neural causam alterações estruturais no ureter? Estudo em fetos humanos

Anencefalia é o defeito do tubo neural mais severo. A morfologia do ureter de fetos anencéfalos é desconhecida. O objetivo deste trabalho é analisar a estrutura do ureter de fetos humanos normais e anencéfalos (FHA). Nós estudamos 16 ureteres de 8 fetos sem anomalias congênitas (4 masculinos e 4 femininos) com idades entre 16 e 27 semanas pós concepção (SPC) e 14 ureteres de 7 FHA (4 masculinos e 3 femininos) com idades entre 19 e 33 SPC. Os ureteres foram dissecados e emblocados em parafina. Foram feitos cortes com 5 m e depois corados com Tricrômico de Masson, para quantificação das células de músculo liso (CML) e determinação da área da a luz do ureter, espessura e diâmetro. As amostras também foram coradas com Resorcina Fucsina de Weigert ( para observação das fibras elásticas) e Vermelho de Picro Sirius com polarização e análise imunohistoquímica das fibras do colágeno tipo III. Os dados da quantificação do músculo foram expressos em densidade volumétrica (Vv-%). As imagens foram capturadas com microscópio Olympus BX51 e câmera Olympus DP70. A análise morfológica da área do lúmen, espessura e diâmetro foram feitas usando o software Image J. As médias foram comparadas usando o teste t não pareado (p<0.05). O epitélio do ureter estava bem preservado em ambos os grupos, e não houve diferença entre os grupos. Não observamos fibras do sistema elástico em qualquer ureter analisados. Concentração de músculo liso (Vv) não diferiram significativamente (p = 0,4413) em FHA (12% 1,628) e grupo controle (13,51% 0,9231). A área de luz ureteral foi significativamente menor (p = 0,0341) em FHA (6365μm 1,282), quando comparado ao grupo controle (20,170 5,480 mM). O diâmetro ureteral foi significativamente menor (p = 0,0294) em FHA (166.7μm 10,99) quando comparado ao grupo controle (240 26,6 mM). A espessura ureteral foi significativamente menor (p = 0,0448) em FHA (30.57μm 2,034), quando comparado ao grupo controle (7,453 47.49μm). Colágeno tipo III foi observado em maior quantidade nos ureteres da FHA. Alterações estruturais ureterais nos fetos anencéfalos foram significativas em nosso estudo. O ureter de fetos com anencefalia mostraram mais concentração de colágeno tipo III, menor diâmetro, área e espessura. Nervos ureterais em FHA podem ser modificados devido a lesão cerebral com consequente dano no controle dos nervos ureterais. Isto pode levar a alterações estruturais no ureter de fetos anencéfalos.

Exploring the use of neural networks for biomass forecasts in the Peruvian upwelling ecosystem

A pilot study was conducted to study the ability of an artificial neural network to predict the biomass of Peruvian anchoveta Engraulis ringens, given time series of earlier biomasses, and of environmental parameters (ocenographic data and predator abundances). Acceptable predictions of three months or more appear feasible after thorough scrutiny of the input data set.

Hanseníase neural, aspectos diagnósticos da forma neural pura e mecanismos imunopatogênicos da lesão do nervo na doença. Participação de quimiocinas CCL2 e CXCL10 e metaloproteinases 2 e 9

O diagnóstico da hanseníase neural pura baseia-se em dados clínicos e laboratoriais do paciente, incluindo a histopatologia de espécimes de biópsia de nervo e detecção de DNA de Mycobacterium leprae (M. leprae) pelo PCR. Como o exame histopatológico e a técnica PCR podem não ser suficientes para confirmar o diagnóstico, a imunomarcação de lipoarabinomanana (LAM) e/ou Glicolipídio fenólico 1 (PGL1) - componentes de parede celular de M. leprae foi utilizada na primeira etapa deste estudo, na tentativa de detectar qualquer presença vestigial do M. leprae em amostras de nervo sem bacilos. Além disso, sabe-se que a lesão do nervo na hanseníase pode diretamente ser induzida pelo M. leprae nos estágios iniciais da infecção, no entanto, os mecanismos imunomediados adicionam severidade ao comprometimento da função neural em períodos sintomáticos da doença. Este estudo investigou também a expressão imuno-histoquímica de marcadores envolvidos nos mecanismos de patogenicidade do dano ao nervo na hanseníase. Os imunomarcadores selecionados foram: quimiocinas CXCL10, CCL2, CD3, CD4, CD8, CD45RA, CD45RO, CD68, HLA-DR, e metaloproteinases 2 e 9. O estudo foi desenvolvido em espécimes de biópsias congeladas de nervo coletados de pacientes com HNP (n=23 / 6 BAAR+ e 17 BAAR - PCR +) e pacientes diagnosticados com outras neuropatias (n=5) utilizados como controle. Todas as amostras foram criosseccionadas e submetidas à imunoperoxidase. Os resultados iniciais demonstraram que as 6 amostras de nervos BAAR+ são LAM+/PGL1+. Já entre as 17 amostras de nervos BAAR-, 8 são LAM+ e/ou PGL1+. Nas 17 amostras de nervos BAAR-PCR+, apenas 7 tiveram resultados LAM+ e/ou PGL1+. A detecção de imunorreatividade para LAM e PGL1 nas amostras de nervo do grupo HNP contribuiu para a maior eficiência diagnóstica na ausência recursos a diagnósticos moleculares. Os resultados da segunda parte deste estudo mostraram que foram encontradas imunoreatividade para CXCL10, CCL2, MMP2 e MMP9 nos nervos da hanseníase, mas não em amostras de nervos com outras neuropatias. Além disso, essa imunomarcação foi encontrada predominantemente em células de Schwann e em macrófagos da população celular inflamatória nos nervos HNP. Os outros marcadores de ativação imunológica foram encontrados em leucócitos (linfócitos T e macrófagos) do infiltrado inflamatório encontrados nos nervos. A expressão de todos os marcadores, exceto CXCL10, apresentou associação com a fibrose, no entanto, apenas a CCL2, independentemente dos outros imunomarcadores, estava associada a esse excessivo depósito de matriz extracelular. Nenhuma diferença na frequência da imunomarcação foi detectada entre os subgrupos BAAR+ e BAAR-, exceção feita apenas às células CD68+ e HLA-DR+, que apresentaram discreta diferença entre os grupos BAAR + e BAAR- com granuloma epitelioide. A expressão de MMP9 associada com fibrose é consistente com os resultados anteriores do grupo de pesquisa. Estes resultados indicam que as quimiocinas CCL2 e CXCL10 não são determinantes para o estabelecimento das lesões com ou sem bacilos nos em nervo em estágios avançados da doença, entretanto, a CCL2 está associada com o recrutamento de macrófagos e com o desenvolvimento da fibrose do nervo na lesão neural da hanseníase.

Controle de um sistema de eletroestimulação funcional.

Esta Dissertação irá apresentar a utilização de técnicas de controle nãolinear, tais como o controle adaptativo e robusto, de modo a controlar um sistema de Eletroestimulação Funcional desenvolvido pelo laboratório de Engenharia Biomédica da COPPE/UFRJ. Basicamente um Eletroestimulador Funcional (Functional Electrical Stimulation FES) se baseia na estimulação dos nervos motores via eletrodos cutâneos de modo a movimentar (contrair ou distender) os músculos, visando o fortalecimento muscular, a ativação de vias nervosas (reinervação), manutenção da amplitude de movimento, controle de espasticidade muscular, retardo de atrofias e manutenção de tonicidade muscular. O sistema utilizado tem por objetivo movimentar os membros superiores através do estímulo elétrico de modo a atingir ângulos-alvo pré-determinados para a articulação do cotovelo. Devido ao fato de não termos conhecimento pleno do funcionamento neuro-motor humano e do mesmo ser variante no tempo, não-linear, com parâmetros incertos, sujeito a perturbações e completamente diferente para cada indivíduo, se faz necessário o uso de técnicas de controle avançadas na tentativa de se estabilizar e controlar esse tipo de sistema. O objetivo principal é verificar experimentalmente a eficácia dessas técnicas de controle não-linear e adaptativo em comparação às técnicas clássicas, de modo a alcançar um controle mais rápido, robusto e que tenha um desempenho satisfatório. Em face disso, espera-se ampliar o campo de utilização de técnicas de controle adaptativo e robusto, além de outras técnicas de sistemas inteligentes, tais como os algoritmos genéticos, provando que sua aplicação pode ser efetiva no campo de sistemas biológicos e biomédicos, auxiliando assim na melhoria do tratamento de pacientes envolvidos nas pesquisas desenvolvidas no Laboratório de Engenharia Biomédica da COPPE/UFRJ.