Modelli nulli per l'analisi della risposta di una rete neurale a perturbazioni esterne

Uno dei problemi più comuni nelle neuroscienze applicate è quello di indentificare quali unità, all'interno di una vasta e complessa rete neurale, rispondono a determinati stimoli esterni. A tale scopo, vengono tipicamente usati metodi di regressione (lineare o non lineare). L'ampiezza dei coefficienti di regressione, tuttavia, non è di per sé sufficiente a determinare in modo statisticamente rigoroso quali neuroni rispondono e quali no. Occorre, invece, fare considerazioni statistiche rigorose basate su modelli nulli che tengano conto di potenziali effetti spuri dovuti, ad esempio, alla non-indipendenza delle unità e all'autocorrelazione dei segnali. In questo lavoro di tesi, simuleremo una rete di neuroni, alcuni dei quali affetti da perturbazioni esterne, e proveremo a identificare i neuroni perturbati direttamente dai dati simulati, usando una regressione lineare e determinando la significatività dei risultati sulla base di diversi modelli nulli. Ciò permetterà di sondare l'efficacia e il rigore dei vari modelli analizzati.