Modelado por redes neuronales artificiales backpropagation del comportamiento exploratorio de ratas wistar en laberinto en cruz elevado

Abstract

El estudio del comportamiento de una rata de laboratorio en el laberinto en cruz elevado (LCE) es empleado en la comprensión de algunos estados anímicos y en pruebas de medicamentos ansiolíticos y ansiogénicos. Algunos autores sugieren que el modelado computacional de una rata de laboratorio en LCE permitiría un mejor entendimiento del funcionamiento del cerebro ante ciertos medicamentos y bajo ciertos estados anímicos. El modelado de una rata de laboratorio en LCE se puede realizar de diversas maneras, siendo el empleo de redes neuronales artificiales (RNA) una alternativa con un apreciable significado neurobiológico. Se reporta un modelo computacional del comportamiento de ratas Wistar macho expuestas durante cinco minutos al LCE bajo condiciones de luz controlada, inyectadas con solución salina, basado en una RNA backpropagation. Los parámetros de entrenamiento de la red fueron extraídos directamente del ambiente en que se realizó el experimento y se introdujeron a la RNA. Para caracterizar los estímulos, se definieron parámetros visuales y táctiles tales como: densidad de iluminación, densidad de paredes, densidad de alturas y densidad de novedad. Se midió el tiempo de permanencia y el número de entradas en los brazos abiertos y cerrados del laberinto para valores absolutos y porcentuales, también el número de cruzamientos en la zona central. Se fijó el nivel de significancia en el 5%. El modelo se evalúo usando curvas ROC, correlaciones de Pearson y ANOVA. Los resultados muestran la existencia de un criterio de aprendizaje de las RNA y la capacidad del modelo de reproducir el comportamiento exploratorio a partir de un mse de 0.01.