Efeito da estimulação transcraniana por corrente contínua sobre o desempenho físico: análise das respostas cerebrais, metabólicas e perceptivas durante e após exercícios aeróbio e de força

Estimulação transcraniana por corrente contínua (ETCC) sobre áreas corticais pré-selecionadas, tem aumentado o desempenho físico de diferentes populações. Porém, lacunas persistem no tocante aos mecanismos subjacentes à estes efeitos. Assim, a presente tese objetivou: a) investigar os efeitos da ETCC anódica (aETCC) e placebo (Sham) no córtex motor (CM) de indivíduos saudáveis sobre o desempenho de força máxima; b) comparar os efeitos da ETCC sobre a produção de força máxima e estabilidadade da força durante exercícios máximo e submáximo em sujeitos hemiparéticos e saudáveis; c) investigar o efeito da ETCC sobre a conectividade funcional inter-hemisférica (coerência eletroencefalográfica cEEG) do córtex pré-frontal (CPF), desempenho aeróbio e dispêndio energético (EE) durante e após exercício máximo e submáximo. No 1 estudo, 14 adultos saudáveis executaram 2 sessões de exercício máximo de força (EMF) dos músculos flexores e extensores do joelho dominante (3 séries de 10 rep máximas), precedidos por aETCC ou Sham (2mA; 20 mim). aETCC não foi capaz de aumentar o trabalho total e pico de torque (PT), resistência à fadiga ou atividade eletromiográfica durante o EMF. No 2 estudo, 10 hemiparéticos e 9 sujeitos saudáveis receberam aETCC e Sham no CM. O PT e a estabilidade da força (coeficiente de variação - CV) foram avaliados durante protocolo máximo e submáximo de extensão e flexão unilateral do joelho (1 série de 3 reps a 100% do PT e 2 séries de 10 reps a 50% do PT). Nenhuma diferença no PT foi observada nos dois grupos. Diminuições no CV foram obervadas durante a extensão (~25-35%, P<0.001) e flexão de joelho (~22-33%, P<0.001) após a aETCC comparada com Sham nos hemiparéticos, entretanto, somente o CV na extensão de joelhos diminuiu (~13-27%, P<0.001) nos saudáveis, o que sugere que aETCC pode melhorar o CV, mas não o PT em sujeitos hemiparéticos. No 3 estudo, 9 adultos saudáveis realizaram 2 testes incrementais máximos precedidos por aETCC ou Sham sobre o CPF com as respostas cardiorrespiratórias, percepção de esforço (PSE) e cEEG do CPF sendo monitoradas. O VO2 de pico (42.64.2 vs. 38.23.3 mL.kg.min-1; P=0,02), potência total (252.776.5 vs. 23773.3 W; P=0,05) e tempo de exaustão (531.1140 vs. 486.7115.3 seg; P=0,04) foram maiores após aETCC do que a Sham. Nenhuma diferença foi encontrada para FC e PSE em função da carga de trabalho (P>0,05). A cEEG do CPF aumentou após aETCC vs. repouso (0.700.40 vs. 0.380.05; P=0,001), mas não após Sham vs. repouso (0.360.49 vs. 0.330.50; P=0,06), sugerindo que a aETCC pode retardar a fadiga aumentando a conectividade funcional entre os hemisférios do CPF e desempenho aeróbio durante exercício exaustivo. No 4 estudo, o VO2 e EE foram avaliados em 11 adultos saudáveis antes, durante a aETCC ou Sham no CPF e 30 min após exercício aeróbio submáximo isocalórico (~200kcal). Diferenças não foram observadas no VO2 vs. repouso durante aETCC e Sham (P=0.95 e P=0.85). Porém, a associação entre exercício e aETCC aumentou em ~19% o EE após ao menos, 30 min de recuperação após exercício quando comparada a Sham (P<0,05).

Application of neural networks to the ranking of perinatal variables influencing birthweight.

In this paper we compare Multi-Layer Perceptrons (a neural network type) with Multivariate Linear Regression in predicting birthweight from nine perinatal variables which are thought to be related. Results show, that seven of the nine variables, i.e., gestational age, mother's body-mass index (BMI), sex of the baby, mother's height, smoking, parity and gravidity, are related to birthweight. We found no significant relationship between birthweight and each of the two variables, i.e., maternal age and social class.

Pixelated liquid-crystal light valve for neural network application.

The liquid-crystal light valve (LCLV) is a useful component for performing integration, thresholding, and gain functions in optical neural networks. Integration of the neural activation channels is implemented by pixelation of the LCLV, with use of a structured metallic layer between the photoconductor and the liquid-crystal layer. Measurements are presented for this type of valve, examples of which were prepared for two specific neural network implementations. The valve fabrication and measurement were carried out at the State Optical Institute, St. Petersburg, Russia, and the modeling and system applications were investigated at the Institute of Microtechnology, Neuchâtel, Switzerland.