Registro:
Documento: | Tesis de Grado |
Título: | Modelo numérico de resolución a gran escala para sistemas lineales mixtos mediante multiplicadores alternados : aplicaciones al análisis anatomofuncional del cerebro humano |
Autor: | Zanitti, Gastón Ezequiel |
Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
Publicación en la web: | 2023-09-12 |
Fecha de defensa: | 2019-05-24 |
Fecha en portada: | 2019 |
Grado Obtenido: | Grado |
Título Obtenido: | Licenciado en Ciencias de la Computación |
Director: | Wassermann, Demian |
Director Asistente: | Gallardo Diez, Guillermo |
Idioma: | Español |
Palabras clave: | NEUROCIENCIAS; ADMM; METODOS DE MULTIPLICADORES ALTERNADOS; MODELOMINEAL MIXTO; LASSONEUROSCIENCE; ADMM; LINEAR MIXED MODEL; ALTERNATING DIRECTION METHOD OF MULTIPLIERS; LASSO |
Formato: | PDF |
Handle: |
http://hdl.handle.net/20.500.12110/seminario_nCOM000489_Zanitti |
PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000489_Zanitti.pdf |
Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nCOM000489_Zanitti |
Ubicación: | Dep.COM 000489 |
Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Zanitti, Gastón Ezequiel. (2019). Modelo numérico de resolución a gran escala para sistemas lineales mixtos mediante multiplicadores alternados : aplicaciones al análisis anatomofuncional del cerebro humano. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de http://hdl.handle.net/20.500.12110/seminario_nCOM000489_Zanitti |
Resumen:
La neurociencia moderna sostiene que existe una relación entre la funcionalidad cerebral y la conectividad extrínseca. Trabajos anteriores en el área han demostrado que dado un conjunto de sujetos y usando sólo conectividad estructural, medida a través de imágenes de difusión, somos capaces de predecir la activación funcional de diferentes tipos de respuestas en el cerebro. Sin embargo, ninguno de ellos ha considerado la diferencia de conectividad intra-sujeto, probablemente por la complejidad de los modelos que toman en cuenta esta información. Para abordar este problema proponemos modelar la relación entre funcionalidad y conectividad utilizando un modelo lineal mixto. Este enfoque nos da la ventaja de poder modelar la conectividad intra-sujeto separando los efectos aleatorios propios de cada sujeto de los efectos fijos de la población. Sin embargo, el enfoque de máxima verosimilitud utilizado en la mayoría de paquetesde software tiene la restricción de un alto consumo de memoria. En el aporte principal de este trabajo, proponemos una nueva forma de resolver estos modelos basados en el método de los multiplicadores alternados (o ADMM, por sus siglas en inglés). Este método nos proporciona la ventaja práctica de resolver los problemas de cálculo del enfoque de máxima verosimilitud mientras que nos permite una optimización de escala arbitraria y descentralizada, resolviendo el problema de ajustar un modelo a grandes conjuntos de datos. Finalmente, ilustramos esta mejora comparando nuestros resultados con el trabajo previo realizado por Osher et al.
Abstract:
Modern neuroscience holds that there is a relationship between brain functionality and extrinsic connectivity. Previous works in the area have shown that using only structural connectivity, as measured through diffusion weighted imaging, we are able to predict the functional activation of different types of responses in the brain, given a set of subjects. However, neither of them has considered the difference intra-subject connectivity, probably due to the complexity in the models that take this information into account. To address this problem we model the relationship between functionality and connectivity, using a linear mixed model. This approach give us the advantage of being able to separate random effects, modeling intra-subjects connectivity, from the fixed effects of the population. However, the maximum likelihood approach used in the majority of the software package has the constraint of a large memory consumption. In the principal contribution of this work, we propose a new way to solve this model based on the alternating direction method of multipliers (ADMM) with the practical advantage of solving the computation problems of the maximum likelihood approach providing us with arbitrary-scale and decentralized optimization, solving the problem of fiting a model against huge datasets. Finally, we illustrate this improvement by comparing our results against Osher et al. previous work.
Citación:
---------- APA ----------
Zanitti, Gastón Ezequiel. (2019). Modelo numérico de resolución a gran escala para sistemas lineales mixtos mediante multiplicadores alternados : aplicaciones al análisis anatomofuncional del cerebro humano. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000489_Zanitti
---------- CHICAGO ----------
Zanitti, Gastón Ezequiel. "Modelo numérico de resolución a gran escala para sistemas lineales mixtos mediante multiplicadores alternados : aplicaciones al análisis anatomofuncional del cerebro humano". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2019.https://hdl.handle.net/20.500.12110/seminario_nCOM000489_Zanitti
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000489_Zanitti.pdf
Distrubución geográfica