Detailed models of deep cerebellar nuclei and nucleo-cortical connectivity for integrated motor control loops

The thesis deals with the implementation of a virtual control system able to analyse the adaptation capability of human cerebellum during a perturbed hand-reaching task. From the analysis of cerebellar adaptation during the execution of this specific task, it has been demonstrated that it was possible to differentiate between healthy and pathological subjects cite{Honda2018}. For this purpose, an abstract computational model has been developed. The cerebellum action was divided into two blocks: one working as an inverse model and the other working as a forward model. However, the model, given its computational nature, was unable to replicate any biological feature of the cerebellum. In order to overcome these limits, we are proposing a new control system based on Spiking Neural Networks, which allow to replicate the behaviour of real neurons in terms of spiking activity with low computational load. By using a realistic model of the cerebellum, the new control system could by exploited to evaluate the contribution of both cerebellar models in motor control as well as to relate pathological behaviours to specific impairments of the cerebellar structures. As in the abstract schematic previously proposed, the two cerebellar models are interconnected. In order to keep the biological structure, the anatomical analogous of these connections, the NucleoCortical (NC) pathways, has been developed. Moreover, the reconstruction of the NC pathways required the implementation of a new neural population inside the cerebellar nuclei. Finally, having defined all the necessary blocks and connections inside the control system, each block has been implemented in order to replicate the behaviour of the abstract computational model. To sum up, a complex control system has been developed and is ready to be tested in virtual simulations of the adaptation hand-reaching task.

La tesi riguarda l’implementazione di un sistema di controllo virtuale capace di analizzare la capacità di adattamento del cervelletto umano durante un task di hand-reaching perturbato. Dall’analisi dell’adattamento cerebellare durante l’esecuzione di questo task specifico, è stato dimostrato che è stato possibile distinguere soggetti sani da soggetti patologici cite{Honda2018}. Per questo motivo, un modello computazionale astratto era stato sviluppato. L’attività del cervelletto era stata suddivisa in due blocchi: uno lavorava come un modello inverso e l’altro lavorava come un modello diretto. Tuttavia, il modello, data la sua natura computazionale, non era in grado di replicare nessuna caratteristica biologica del cervelletto. Per superare questi limiti, stiamo proponendo un nuovo sistema di controllo basato su Spiking Neural Networks, le quali permettono di replicare il comportamento di neuroni reali in termini di attività di sparo consumando poche risorse computazionali. Utilizzando un modello realistico del cervelletto, il nuovo sistema di controllo potrebbe essere sfruttato per valutare il contributo di entrambi i modelli del cervelletto nel controllo motorio oltre a collegare comportamenti patologici a difetti specifici delle strutture cerebellari. Come nello schematico astratto proposto in precedenza, i due modelli cerebellari sono interconnessi. Per mantenere la struttura biologica, l’analogo anatomico di queste connessioni, i percorsi NucleoCorticali, sono stati sviluppati. Inoltre, la ricostruzione delle connessioni NucleoCorticali ha richiesto l’implementazione di una nuova popolazione neurale all’interno dei nuclei del cervelletto. Infine, avendo definito tutti i blocchi e connessioni necessari all’interno del sistema di controllo, ogni blocco è stato implementato in modo da replicare il comportamento del modello astratto computazionale. Per concludere, un sistema di controllo complesso è stato sviluppato ed è pronto per essere testato in simulazioni virtuali del task “adaptation hand-reaching”