Identificazione di pattern di attivazione neuronale in imaging a due fotoni del calcio: analisi preliminare basata su contorni attivi e functional clustering

The aim of this thesis is to identify specific patterns of neural activation using two-photon calcium imaging data. To this end, a preliminary analysis was conducted, by developing a relatively simple algorithm base on active contours, specifically targeted to identify the cells in the imaging frames, from which the time series were subsequently extracted for the analysis. These time series were then preprocessed to reduce noise and correct for artifacts. Finally, a clustering algorithm was applied to identify and group cells with similar neuronal activity The results indicate that the developed algorithm for cell extraction shows slightly lower performance compared to CaImAn, one of the most widely used and advanced tools in this field. However, considering the simplifications and approximations adopted to make the method less complex and computationally lighter, this difference is quite acceptable, with a gap of approximately 5% fewer cells detected in the awake state. As for the clusters produced by the functional clustering algorithm, significant variability is observed both between animals and across the different cortical layers analyzed. Furthermore, the number of clusters shows a slight tendency to increase with the growing number of extracted cells, ranging between 2 and 10 identified clusters. The developed tools and the results obtained here provide a solid and promising foundation for further in-depth studies in the future.

L'obiettivo di questa tesi è individuare specifici pattern di attivazione neuronale a partire da acquisizioni di imaging a due fotoni del calcio. A tal fine è stata condotta un'analisi preliminare, sviluppando un algoritmo relativamente semplice basato sui contorni attivi, finalizzato all'identificazione delle cellule all’interno dei vari frame di imaging in fluorescenza, da cui sono state successivamente estratte le serie temporali per l'analisi. È stato poi eseguito un pre-processing di queste serie temporali per ridurre il rumore e correggere eventuali artefatti. Infine, è stato applicato un algoritmo di clustering per identificare e raggruppare le cellule con attività neuronali simili. I risultati ottenuti indicano che l'algoritmo sviluppato per l'estrazione delle cellule presenta prestazioni leggermente inferiori rispetto a CaImAn, uno degli strumenti più utilizzati e avanzati in questo ambito. Tuttavia, considerando le semplificazioni e le approssimazioni adottate per rendere il metodo meno complesso e computazionalmente più leggero, questa differenza risulta piuttosto accettabile, con uno scarto di circa il 5% in meno nel numero totale di cellule rilevate allo stato di veglia. Per quanto riguarda i cluster prodotti dall'algoritmo di functional clustering, si osserva una notevole variabilità sia tra gli animali sia nei diversi layer corticali analizzati. Inoltre, il numero di cluster mostra una leggera tendenza a crescere con l’aumentare del numero di cellule estratte, variando all’interno di un range compreso tra 2 e 10 cluster identificati. Gli strumenti sviluppati e i risultati ottenuti rappresentano una base solida e promettente per ulteriori studi futuri.