Ambiente de Visualização e Interação de Simulações Neurais

Ambiente de Visualização e Interação de Simulações Neurais Galesandro Henrique Capovilla, Regina Célia Coelho, Luís Augusto Consularo Universidade Metodista de Piracicaba - UNIMEP Faculdade de Ciências Matemáticas da Natureza e Tecnologia da Informação Programa de Pós Graduação em Ciência da Computação [email protected], [email protected], [email protected]

Abstract

Modeling neurons and neural structures has provided a powerful tool to examine and better understand the nervous system, especially since experiments with animals are often difficult. In this sense, this paper propose to the generation a virtual reality environment to allow visualizing, navigating and interacting with a simulator of neural cells and structures of friendly and efficient way.

1. Introdução

A realidade virtual vem crescendo a cada dia e atuando cada vez mais em diversas áreas relacionadas a ciência; como é o caso das simulações na área de neurociência, que hoje representam um grande avanço em pesquisas relacionadas a esta área, possibilitando estudos mais avançados e eficazes. A melhor forma de visualizar estas simulações é recorrendo à Computação Gráfica, ou mais especificamente, à Realidade Virtual, que permite, além da visualização tridimensional, a interação, imersão e navegação do usuário no sistema. O advento das tecnologias em Realidade Virtual (RV) tem colaborado para a abertura de uma nova dimensão para diversos pesquisadores, que podem “entrar” em simulações eletrônicas, o que permitem a eles ocupar um espaço imaginário. Pelo fato da RV ser uma etapa além da visualização computacional, ela nos permite “andar” de fato em um ambiente visual simulado (“realidade simulada”) e analisar o funcionamento do “mundo” sendo percorrido. Recentemente, este fato tem se tornado um grande aliado para os neurocientistas, uma vez que a RV pode auxiliá-los na interpretação da grande quantidade de dados gerada pelas simulações. O surgimento de novas tecnologias e a melhora na qualidade de tecnologias já existentes (como velocidade computacional e qualidade dos monitores de vídeo) tem tornado a RV muito atrativa tanto para pesquisas quanto para aplicações em neurociência. Várias aplicações da RV e da computação gráfica como um todo em neurociência têm surgido em pesquisa, treinamento e tele-imersão [1,2,3,4]. Em termos de impacto realista nas simulações, estas aplicações podem ser tão boas ou até melhor que realidade física. Esta tecnologia permite criar universos inteiros e, o que é melhor, improvisar "realidades". Além disso, o desenvolvimento de técnicas de realidade virtual e o progresso da computação gráfica permitem agora a implementação de algoritmos extremamente complexos e rápidos para criar, mostrar e manipular modelos de estruturas neurais. A proposta deste artigo é gerar um ambiente de RV para visualizar, navegar e interagir com um simulador neural. Atualmente já existe um simulador neural desenvolvido por COELHO [5,6] cuja uma das funções é gerar células com características morfológicas estatisticamente idênticas às células naturais e para isso utiliza L-Systems estocáticas e modificadas para considerarem medidas morfológicas extraídas de células naturais [5,6]. Se gerarmos um ambiente de RV distribuída, ele dará o suporte necessário ao simulador para que o usuário possa analisar o que ocorre durante o crescimento destas células, podendo, inclusive, interferir no crescimento.

2. O Ambiente de RV

Uma das grandes vantagens da construção de um ambiente RV para as simulação neurais é a possibilidade de executar diversas vezes um experimento sem se preocupar em danificar os tecidos neurais naturais ou com sacrifícios de animais, sem contar que não seria possível repetir o experimento com uma mesma estrutura neural, no caso de tecidos naturais. Este é o principal fator para o

49

crescimento nas pesquisas envolvendo realidade virtual e experimentos biológicos. Um exemplo é o trabalho de SUBRAMANIAN e MARSIC [7], que descreve um ambiente de RV chamado ViBE (Virtual Biology Experiments) como sendo um laboratório virtual voltado para pesquisas em biologia. Através do ViBE, é permitido ao aluno executar diversas vezes um mesmo experimento, sem se preocupar com os gastos de materiais, desperdícios. Através do ViBE, o aluno pode interagir com o software verificando, por exemplo, uma divisão celular, uma mitose, uma meiose. Outro trabalho que trouxe uma contribuição muito forte para a realidade virtual ligada à neurociência é o trabalho de COSTA, OLIVEIRA e MINGHIM [8] em que tratam da visualização tridimensional de neurônios e mostra as diferentes formas dos neurônios dependendo da função que cada um executa. Há também o trabalho de TARR e WARREN [9] que demostra algumas aplicações da realidade virtual voltada para a neurociência, psicologia e algumas outras áreas afins. Em seu artigo é descrito o laboratório VENlab (Virtual Environment Navigation Laboratory), que realiza as experiências de imersão possibilitando pesquisas comportamentais. O objetivo principal deste trabalho é a visualização de um simulador neural que promova interatividade e imersão com o usuário, ou seja, permitir que o usuário possa interferir no crescimento de células neurais, analisar o crescimento e formação de uma estrutura neural, analisar alguns aspectos relacionados à neurogênese destas estruturas, como por exemplo, a reorganização neural na presença de campos tróficos (campos de atração ou repulsão neural) e na apoptose (morte neural natural). As estruturas neurais que estão sendo utilizadas no ambiente, são geradas utilizando conceitos matemáticos e de computação, tais como, tipo, conexão e propriedades fisiológicas de cada neurônio. O programa de simulação gera uma quantidade de células neurais sintéticas, que possuem características reais e, além disso, é possível obter dados sobre o campo elétrico gerado em torno de um neurônio [5,6]. Para o ambiente de RV, consideramos uma estrutura neural como sendo nada mais nada menos que dados armazenados na memória do computador que serão utilizados para gerar cilindros que irão representar os neurônios. A representação por cilindros foi escolhido com base no modelo do cabo [10,11], que surgiu com a necessidade de interpretar e modelar os dados obtidos de neurônios individuais por meio de microeletrodos introduzidos no neurônio. Este modelo, em geral utilizado para dendritos, fornece um modelo teórico que nos permite conectar uma estrutura morfológica e elétrica do neurônio à sua função. Nele, as árvores dendríticas são aproximadas por cilindros e são utilizadas equações diferenciais parciais para descrever o fluxo de corrente de uma árvore dendrítica [12]. Os cilindros, por sua vez, apresentam uma renderização simples e rápida devido à pequena quantidade de dados necessários para a sua criação. Os dados de entrada para o ambiente virtual serão capturados da rede (por enquanto são lidos de arquivos), uma vez que a simulação enviará os resultados pela rede. Estes serão enviados obedecendo a seguinte estrutura: Número Neurônio

Número Galho

Coordenada X1

Coordenada Y1

Coordenada Z1

Coordenada X2

Coordenada Y2

Coordenada Z2

Raio

Cada neurônio é identificado por um número para que seja possível identificar a que neurônio pertence o galho que está crescendo a cada momento. Cada galho também recebe um número que o identificará. Desta forma, dado o número do neurônio e o galho é possível controlar a quem pertence cada ponto que está sendo enviado ao ambiente de RV pelo simulador. O simulador envia dois pontos que indicam em que lugar da cena deverá ser criado um cilindro (início e fim do cilindro). O raio deste cilindro é enviado pelo simulador, que indicará a espessura do galho. Sendo assim, os dados são recebidos, interpretados, normalizados (apenas para diminuir o tamanho da cena gerada) e, através de um objeto denominado Pipe1, a visualização é gerada. A cena será criada de acordo com o recebimento dos dados enviados pela simulação. Quando há ramificação para um novo galho (bifurcação), um novo Pipe é 1

Pipe: objeto existente na biblioteca GLScene, que possibilita, através de algumas propriedades, desenhar um cilindro, tendo ainda a possibilidade de definir um raio diferente para cada extremo do cilindro.

50

gerado dinamicamente, que possuirá novas coordenadas, gerando, assim, a visualização da simulação neural. Note que em ramificações, apenas um pipe novo é gerado, uma vez que o segundo pipe (o outro lado da bifurcação) poderá ser a continuação do pipe anterior. O ambiente proposto possibilitará ao usuário executar interações do tipo alterar o ponto de vista, visualizar o crescimento neural através de diferentes ângulos, ampliar a cena utilizando a opção zoom. Possibilitará ainda que o usuário possa eliminar (matar) algumas células e verificar a reorganização neural causada pela morte de determinadas células e pela presença de campos tróficos. Além disso, como será desenvolvido utilizando RV distribuída, poderemos ter usuários em diferentes máquinas interagindo com o ambiente. Para isso utilizaremos o conceito de sockets, que nada mais é que uma interface de comunicação entre os dispositivos encontrados na rede. Através dos sockets conseguiremos fazer com que todos os usuários interajam no mesmo mundo virtual. Na Figura 1 é apresentado um exemplo do crescimento de 3 células neurais tridimensionais. Neste figura são ilustrados três estágios de crescimento das células. Como podemos notar, as três células estão crescendo ao mesmo tempo (em paralelo). Em uma estrutura com mais células, quando o dendrito de uma célula encontrar um axônio de outro ocorrerá uma conexão, permitindo que estes neurônios possam trocar sinais elétricos. Embora neste exemplo esteja ilustrado apenas três células, o ambiente permite que mais células possam ser incluídas, porém as conexões entre elas ainda não está implementada no ambiente de RV gerado.

Figura 1 – Visualização de três estágios do crescimento paralelo de três células neurais.

O ambiente está sendo desenvolvido utilizando a linguagem orientada a objetos DELPHI juntamente com uma biblioteca gráfica denominada GLScene [13,14], que possui alguns componentes já desenvolvidos que facilitam a elaboração de um ambiente gráfico 3D e é freeware.

3. Conclusão

O ambiente proposto será útil não apenas para a análise em tempo real das simulações, como também para a observação e análise de cada etapa de todo processo de crescimento e formação da estrutura neural, incluindo fatores que influenciam no crescimento. Assim, o usuário poderá acompanhar e estudar a plasticidade que ocorre com as células na presença de substâncias químicas. Outro grande atrativo do ambiente é que ele permitirá que algumas células sejam mortas, simulando a apoptose que ocorre naturalmente nos seres vivos. Com isso, as células que estiverem em volta das que morreram se reorganização para tentarem formar novas conexões, suprindo, desta forma, a falta das células mortas. Desta forma, o ambiente gerado poderá contribuir muito para o avanço nos estudos do comportamento de células neurais. É importante ressaltar também que será permitido que mais de um usuário possa visualizar, navegar e interagir com a cena ao mesmo tempo, uma vez que o ambiente será construído de forma distribuída.

51

Futuramente o ambiente poderá ser estendido para um ambiente que suporte realidade aumentada também, não apenas RV. A biblioteca GLScene oferece suporte de captura do mundo real e a mistura deste mundo com o virtual. Desta forma, poderíamos, por exemplo, utilizar um dispositivo de interação simples, como uma barra com uma bolinha vermelha, capturar os movimentos desta barra utilizando uma webcam e reproduzir tais movimentos na cena.

Referências

[1] LEIGH, J. et al. Virtual Reality in Computational Neuroscience, in: Virtual Reality and Its Applications, eds: R. Earnshaw; H. Jones; J. Vince, Academic Press, London, 1994. [2] ASCOLI, G. A. et al. Computational Neuroanatomy of the Hippocampus, Draft of the poster for SFN98, Los Angeles, 1998, http://www.krasnow.gmu.edu/ascoli/sfn98/index.html (acessado em 07/12/2002). [3] BÜLTHOFF, H. H.; van VEEN, A. H. C. Vision and Action in Virtual Enviroments: Modern Psychophysics In Spatial Cognition Research, Technical Report No. 77, Max-Planck-Institut für Biologische Kybernetik, Germany, 1999. [4] TARR, M. J.; WARREN, W. H. Virtual Reality in Behavioral Neuroscience and Beyond (Review), Nature Neuroscience Supplement, v. 5, 2002, p. 1089 -1092. [5] COELHO, R. C.; COSTA, L. F., Realistic neuromorphic models and their application to neural reorganization simulations, Neurocomputing, n. 48, 2002, p. 555-571. [6] COELHO, R. C. ; JAQUES,O. Generating Three-Dimensional Neural Cells Based On Bayes Rules And Interpolation With Thin Plate Splines, 8th Iberoamerican Congress on Pattern Recognition, Havana, Cuba, in: Progress in Pattern Recognition, Speech and Image Analysis, Lecture Notes in Computer Science, v. 2905, 2003, p. 675-682. [7] SUBRAMANIAN, R.; MARSIC, I., Vibe: Virtual Biology Experiments, Hong Kong, May, 2001, p. 1-5. [8] COSTA, L. F.; OLIVEIRA, M. C.; MINGHIM, R., De olho nos neurônios – As formas virtuais do pensamento, Ciência Hoje, v. 28, n. 167. [9] TARR, M. J.; WARREN, W. H., Virtual reality in behavioral neuroscience and beyond, Nature Neuroscience Supplement, v. 5, November 2002. [10] BOWER, J. M.; BEEMAN, D. The Book of GENESIS, Springer-Verlag New York , Inc. Published by TELOS, 1995. [11] KOCH, C.; SEGEV, I. Methods in Neuronal Modeling, The MIT Press, 1995. [12] NEDEL, L. P., Escola de informática da SBCSul, Passo Fundo, 21 a 25 de maio/2001. [13] GLScene - Acesso em 02/04/04 [14] GLScene - Acesso em 02/04/04

52