Search

[ES] La neurociencia computacional es una de las disciplinas más avanzadas para estudiar el cerebro humano y sus intrincados mecanismos. Para ello, los modelos computacionales de cerebro completo se han convertido en una herramienta muy efectiva. Dichos modelos representan el cerebro como una red con un número predefinido de nodos correspondientes a áreas cerebrales conectados entre sí en base a una matriz de conectividad estructural empírica. Sobre esta estructura, se utiliza un conjunto de ecuaciones diferenciales para simular actividad cerebral. Este enfoque es muy útil para investigar dinámicas cerebrales complejas mediante modelos matemáticos, como los modelos de sueño profundo. En este contexto, la matriz de conectividad estructural se construye en base a un atlas cerebral o parcelación cortical elegida arbitrariamente. Este estudio pretende analizar los efectos de la granularidad de la parcelación en un modelo de cerebro completo en estado de sueño profundo. Para ello, se aumenta gradualmente el número de áreas cerebrales discretas utilizando una parcelación local-global de la corteza cerebral humana. Debido a la naturaleza jerárquica de la corteza cerebral, la resolución de la parcelación cerebral puede aumentarse fácilmente, dando lugar a varias segmentaciones compuestas por 100, 200, 500 y 1000 parcelas. Para analizar los efectos del aumento de la granularidad regional, se construye el modelo y se ejecuta con los conjuntos de datos descritos anteriormente utilizando neurolib, un marco computacional para el modelado cerebral completo desarrollado en Python. A continuación, se evalúa su rendimiento comparando el resultado simulado con los registros empíricos. Finalmente, el análisis del modelo tiene como objetivo determinar qué patrones produce el modelo a diferentes niveles de resolución concluyendo en una propuesta de la mejor elección de la parcelación en función de los patrones de interés en el modelo de sueño profundo., [EN] Computational neuroscience is one of the most state-of-the-art disciplines for studying the human brain and its intricate mechanisms. To this aim, computational whole-brain models have become a very powerful tool. These models represent the brain as a network with a predefined number of nodes, where each node corresponds to a brain area and the connections between them are based on an empirically determined structural connectivity matrix. On this structure, a set of differential equations is used to simulate brain activity. This approach is highly useful when investigating complex brain dynamics with mathematical modeling, such as deep sleep models. In this context, the structural connectivity matrix is constructed based on an arbitrarily chosen brain atlas or parcellation. This study aims to analyze the effects of the parcellation¿s granularity on a deep sleep whole-brain model. Therefore, the number of discrete brain areas is gradually increased using a local-global parcellation of the human cerebral cortex. As the brain is hierarchically organized, the resolution of the brain parcellation can be easily augmented resulting in several cortical parcellations consisting of 100, 200, 500 and 1000 parcels. In order to analyze the effects of increasing regional granularity, the model is built and run with the formerly described datasets using neurolib, a computational framework for whole-brain modeling written in Python. Its performance is then evaluated by comparing the simulated output with empirical recordings. Finally, the model analysis aims to determine what patterns the model produces at different levels of resolution concluding in a proposal of the best choice of parcellation¿s granularity depending on the patterns of interest in the deep sleep model.

[ES] El trastorno del espectro autista (TEA) es un desorden de tipo neurológico cuya prevalencia se ha visto enormemente incrementada en los últimos años, hecho probablemente condicionado a las mejoras en las metodologías diagnósticas, pero que no deja de resultar alarmante. A pesar de su prevalencia, y al igual que ocurre con muchos otros trastornos de tipo neurológico o psiquiátrico, las bases neurológicas del TEA aún no han sido completamente esclarecidas. El objetivo del presente Trabajo Final de Máster es evaluar el potencial de distintas técnicas de aprendizaje automático en el diagnóstico del TEA a partir del análisis de imagen de resonancia magnética funcional en estado de reposo. Dicho de otra manera, dado un conjunto de imágenes cerebrales, deseamos conocer si es posible discriminar aquellos sujetos con TEA de aquellos sujetos de referencia o controles. Para ello se analizarán un total de 157 sujetos (75 sujetos con TEA y 82 controles) de la base de datos ABIDE (Autism Brain Imaging Data Exchange). Para llevar a cabo este estudio, la herramienta de software escogida ha sido Matlab®. Para abordar dicho objetivo, en primer lugar, y para cada uno de los sujetos incluidos en el estudio, se calculará la conectividad funcional, cuantificada a partir del coeficiente de correlación de Pearson, entre cada par de regiones cerebrales a partir de la señal temporal BOLD. Después se llevará a cabo un análisis comparativo previo en un subconjunto de sujetos haciendo uso de la Network-Based Statistic Toolbox (NBS). Este análisis de la conectividad nos proporcionará una serie de enlaces entre regiones que muestran diferencias significativas entre grupos y que, por tanto, resultan clave para determinar el patrón de conectividad funcional asociado al TEA. Los valores de conectividad funcional de cada uno de los enlaces que muestran diferencias significativas entre los dos grupos se utilizarán como características para la clasificación del subconjunto restante de sujetos. Así, se aplicarán diversas técnicas de clasificación, como los k-vecinos más próximos, las máquinas de vectores de soporte o las redes neuronales artificiales, para producir un modelo predictivo que permita distinguir entre las imágenes pertenecientes a sujetos con TEA y sujetos control. También se aplicará la técnica de validación cruzada (cross-validation) para una correcta evaluación del modelo generado. Los resultados obtenidos muestran que las redes neuronales artificiales (y más concretamente, el perceptrón multicapa, que ha sido la arquitectura escogida en este trabajo) proporcionan el modelo con una mayor capacidad predictiva de entre los cuatro elaborados, con un porcentaje de acierto en la clasificación en torno al 80% en el conjunto de validación. Se espera que los resultados obtenidos puedan contribuir al desarrollo de herramientas de apoyo al diagnóstico de TEA, y que puedan ser también extrapolables a otras patologías de origen neurológico, como el alcoholismo o la enfermedad de Alzheimer., [EN] The Autism Spectrum Disorder (ASD) is a neurological disorder with an increasing prevalence, and even though this growth is probably related to the improvements in diagnostic methodologies, the increase in the number of ASD diagnosed patients is an alarming fact. Despite its prevalence, and as it happens in many other neurological and psychiatric disorders, the neurological basis of the ASD have not been completely established yet. The aim of this work is to evaluate the potential of machine learning techniques in ASD diagnosis based on the analysis of resting state functional magnetic resonance images. In other words, we want to determine if it is possible, having a set of brain images, to determine which subjects have ASD, and which ones are subjects with a neurotypical development, or control subjects. In order to address this problem, we have analyzed images pertaining to 157 subjects (75 with ASD and 82 controls) obtained from ABIDE (Autism Brain Imaging Data Exchange). The analysis of these images has been performed using Matlab. To achieve this target, the first step is to obtain the functional brain connectivity for each one of the subjects in the study, using Pearson¿s correlation coefficient of BOLD signal between every pair of regions of the brain. Then, we will perform a comparative analysis in a subset of patients using the Network-Based Statistic Toolbox (NBS). This connectivity analysis will provide us with a group of connections among different regions that usually appear significantly altered in one of the groups, and that are therefore key brain alterations in order to determine the ASD characteristic pattern. The obtained set of altered connections will be used as features to classify the remaining subset of patients. Therefore, we will apply several classification techniques, such as k-Nearest Neighbors (KNN), Support Vector Machines (SVMs) or Artificial Neural Networks, to produce a predictive model that distinguishes between images pertaining to ASD subjects, and images pertaining to control subjects. The obtained results show that artificial neural networks (and more concretely, the multilayer perceptron, which is the architecture that has been chosen in this work) provide us with the model with de highest predictive power among the four tested model, with an accuracy near 80% in the validation data. It is expected that the obtained results may contribute to the development of diagnosis support tools in ASD, and that can also be extrapolated to other neurological disorders, such as alcoholism or Alzheimer disease.

[ES] El objetivo que se persigue es determinar de manera automática las propiedades estructurales y la conectividad funcional en estado de reposo en el cerebro. Para ello, se propone una metodología basada en el estudio de la morfometría cerebral y de la conectividad funcional a partir del análisis de imágenes de Resonancia Magnética (RM). Para el estudio de la morfometría, se utilizará el método Voxel Based Morphometry (VBM), en el que se normaliza la imagen anatómica del sujeto respecto a una plantilla para analizar la presencia de alteraciones morfológicas locales. En este método, primero se realiza un pre-procesado que trate de eliminar las posibles heterogeneidades presentes en la señal de RM, así como extraer de las imágenes aquellas estructuras de tejido cerebral que puedan influir negativamente en los siguientes procesos (cráneo, vasos, cuero cabelludo, ojos, grasa y músculos). Posteriormente, se llevan a cabo diversos procesos de estandarización y tipificación buscando posicionar todas las imágenes anatómicas que queremos evaluar en un mismo espacio para permitir su análisis estadístico. Estos procesos son la normalización a este espacio común, la segmentación en los diferentes tejidos de interés (sustancia gris, sustancia blanca y líquido cefalorraquídeo) y el suavizado. Una vez realizados estos pasos, se emplea el Modelo Lineal General (MLG) para construir mapas estadísticos paramétricos (SPMs) que permitan el análisis morfológico de las imágenes. Aquellas zonas cerebrales resultantes de este análisis se etiquetarán mediante el atlas Harvard-Oxford (sustancia gris). La segunda parte de la metodología, consistente en el estudio de la conectividad funcional, está basada en la correlación entre las señales BOLD de uno o más vóxels separados anatómicamente. De forma análoga al método anterior, es necesario realizar un pre-procesado previo de las imágenes anatómicas y funcionales antes de comenzar el análisis estadístico: realineamiento, corregistro, normalización y suavizado. Tras completar los pasos anteriores, se generarán SPMs para delimitar aquellas áreas cerebrales activas y se establecen relaciones funcionales entre ellas mediante un análisis ROI to ROI. Los resultados se encuentran etiquetados mediante el atlas Harvard-Oxford. Toda la metodología mostrada se llevará a cabo mediante un software de elaboración propia escrito en lenguaje MATLAB. Este algoritmo empleará paquetes especializados de esta herramienta como SPM12 (Statistical Parametric Mapping) y CONN (functional connectivity toolbox)., [EN] The objective is to automatically determine the structural properties and functional connectivity during the resting state. To this end, a methodology based on the study of brain morphometry and functional connectivity from the analysis of magnetic resonance imaging (MRI) is proposed. For the morphometry study, the Voxel Based Morphometry (VBM) method will be used, in which the anatomical image of the subject is normalized with respect to a template in order to analyze the presence of local morphological alterations. In this method, a pre-processing is first performed to eliminate the possible heterogeneities present in the MRI signal, as well as to extract from the images those structures of brain tissue that may negatively influence the following processes (skull, vessels, scalp, eyes, fat and muscles). Subsequently, several standardization and typification processes are carried out in order to position all the anatomical images that we want to evaluate in the same space to allow their statistical analysis. These processes are the normalization to this common space, the segmentation in the different tissues of interest (grey matter, white matter and cerebrospinal fluid) and the smoothing. Once these steps are completed, the General Linear Model (GLM) is used to build parametric statistical maps (SPMs) that allow the morphological analysis of the images. Those brain areas resulting from this analysis will be labelled using the Harvard-Oxford (grey matter) and Jülich / Susumu Mori (white matter) atlases. The second part of the methodology, consisting of the study of functional connectivity, is based on the correlation between the BOLD signals of one or more anatomically separated voxels. Similar to the previous method, it is necessary to pre-process the anatomical and functional images before starting the statistical analysis: realignment, co-registration, normalization and smoothing. After finishing the above steps, SPMs are generated to delimit those active brain areas and functional relationships are established between them through a ROI to ROI analysis. Results are labelled using the Harvard-Oxford atlas. All the methodology shown will be carried out by means of an own elaboration software written in MATLAB language. This algorithm will use specialized packages of this tool such as SPM12 (Statistical Parametric Mapping) and CONN (functional connectivity toolbox).

[ES] La espectroscopia del infrarrojo cercano se ha convertido en una herramienta muy poderosa para estudiar la conectividad funcional debido a la relación entre la actividad cortical y la respuesta hemodinámica. Utilizando esta técnica se ha podido comprobar la presencia de una red neuronal en la corteza auditiva primaria de neonatos, mostrando algunas diferencias con estudios previos realizados en adultos. También se encuentra en discusión la influencia que la banda de frecuencia estudiada y la fase del sueño tienen sobre la actividad rítmica del cerebro. En este trabajo se han estudiado estos tres parámetros en el hemisferio izquierdo de siete neonatos. En primer lugar, se filtraron las señales para establecer la línea base y se llevó a cabo un estudio de la densidad espectral de potencia obteniendo una diferencia significativa en la señal HbO2 entre los periodos de sueño activo y de sueño tranquilo en la banda de frecuencia de 0.002 a 0.05 Hz, tal como muestra la literatura. En segundo lugar, se definieron diferentes métricas para detectar las señales en las cuales se pueden encontrar oscilaciones con el objetivo de detectar una zona de alta actividad. El resultado no fue el esperado debido al ruido y a la relación en amplitud entre la información y las fluctuaciones de la línea base. En tercer lugar, se utilizó un filtro Butterworth paso banda desde 0.009 a 0.1 Hz y se calculó el coeficiente de correlación temporal de Pearson entre todas las señales cuya distancia emisor-detector fuera de 3 ± 0.5 centímetros. Se consideró que la correlación era significativa si se cumplía que r (HbO2) > 0.7, r (HbR) > 0.7 y r (HbT) > 0.6. La representación se hizo siguiendo la literatura en la cual se utiliza teoría de grafos para estudiar las redes neuronales en estado de reposo; se considera como vértice el punto medio de la señal y se dibuja la arista si la correlación entre señales es significativa. Los resultados son muy interesantes, pero se observa una alta discrepancia entre sujetos., [EN] Near-infrared spectroscopy (NIRS) has become a powerful tool to study the functional connectivity among different brain regions due to the relation between neuronal activity and hemodynamic response, knew as neurovascular coupling. This technique was used to prove the existence of a resting state network (RSN) at the primary auditory cortex of neonates; even these studies showed discrepancies among babies and with previous results obtained in adults. There is also an open discussion about how the studied frequency and the sleep stage could affect the results. On this study, the influence of these three parameters on the NIRS signals of the left hemispheres of seven neonates is studied. Firstly, all the signals were band-pass filtered between 0.002 and 0.5 Hz and the PSDs of the complete signal, the active and the quiet sleep period were calculated. A significant difference between the PSD of active and quiet sleep on the frequency band from 0.002 to 0.05 Hz has been proved. This result leads us to the conclusion that low-frequency oscillations are more likely to appear in active sleep than in quiet sleep. Secondly, six metrics were defined to identify which signals presented oscillations. The aim was to study if there was a high activity spot. The results were not conclusive due to the poor estimation of the metrics. A possible explanation is the noise and the relation between the amplitude of the information and the fluctuations of the base line. Finally, the signals which distance source-detector was 3 ± 0.5 centimetres were bandpass filtered between 0.009 and 0.1 Hz and the Pearson correlation coefficients among signals were obtained. The signals which correlation was positive, r (HbO2) > 0.7, r (HbR) > 0.7 and r (HbT) > 0.6, were plotted. The representation was done following graph theory literature: the middle point between the source and the detector of each signal was taken as the vertex and the edge was plotted when the correlation was positive. The results were interesting, but there is some discrepancy among the different runs and patients.

[ES] La comprensión del funcionamiento de nuestro cerebro es uno de los grandes retos planteados por la humanidad en el siglo XXI. Prueba de ello son los grandes proyectos impulsados por Europa (Human Brain) o Estados Unidos (BRAIN), así como la multitud de estudios que surgen cada día describiendo el comportamiento de regiones concretas, bajo ciertas restricciones. Siguiendo con las investigaciones sobre plasticidad neuronal realizadas en colaboración con el Instituto de Neurociencias de Alicante, se pretende estudiar la actividad eléctrica en el hipocampo de la rata. Esta estructura cerebral está fuertemente vinculada a la función de la memoria del ser humano y se ha demostrado su importante participación en la memoria espacial en roedores. El objetivo de este trabajo es el estudio de la sincronización entre el hipocampo y las cortezas entorrinal y prefrontal, principales estructuras cerebrales de entrada y salida al circuito del hipocampo. Ello se llevará a cabo a través de la medición y evaluación de los desfases entre componentes independientes, obtenidos a partir de señales electrofisiológicas in vivo de varios sujetos anestesiados. Además, se estudiará la evolución de este desfase en el tiempo y su variación con respecto a parámetros de interés de nuestras señales. Las señales a analizar son potenciales de campo local o LFPs (del ingés, local field potential), las cuales representan la actividad promedio del grupo de neuronas situadas alrededor de nuestro electrodo, cuyas contribuciones a la señal final dependen de las distancias a este. Estas señales pueden ser descompuestas en varios ritmos, como el ritmo gamma (30-100 Hz) o el theta (4-8 Hz). Se cree que el primero corresponde a procesos locales, al presentar una mayor frecuencia, y el segundo corresponde a comunicación entre regiones alejadas mediante la sincronización entre ellas, debido a su menor frecuencia y su mayor amplitud, factores que facilitan esta sincronización. El ritmo theta en el hipocampo ha sido objeto de investigación durante décadas el siglo pasado, en búsqueda de su relación con alguna función o comportamiento. En el presente trabajo se pretende evaluar la sincronización en theta dentro de este circuito (entorrinal-hipocampo-prefrontal), caracterizando su comportamiento basal, sus implicaciones en las características de la señal (por ejemplo, potencia en theta y gamma del LFP) y cómo cambia en distintas condiciones., [EN] One of the 21st century main objectives is the comprehension of how our brain works. Projects like "Human Brain", supported by Europe, or "BRAIN", supported by USA, and also many papers published every day explaining the behavior of some region under particular restrictions are proof of that. Following latest studies about neuronal plasticity carried out in collaboration with the Neuroscience Institute of Alicante, rat hippocampus electrical activity will be studied. This structure is highly related to memory function of human being and its important role in spatial memory in rodents has been also proved. The main purpose of this work is to study the synchronization between hippocampus, entorhinal cortex and prefrontal cortex. Both are principal brain structures of input and output in hippocampus circuit. That is going to be carried out through the measurement and assessment of temporal delays between independent components, obtained from electrophysiological in vivo records from several asleep subjects. Moreover, we are going to study temporal evolution of that delay and its variation in relation to other signals parameters. The signals that we are going to assess are local field potentials (LFPs), which represent the average activity of groups of neurons placed around each electrode. Their contributions to the final signal depend on the distance between each neuron and the electrode. These signals could be split in many rhythms like gamma rhythm (30-100 Hz) or theta rhythm (4-8 Hz). It is thought that the first one is related to local processes due to its higher frequency, and the second one is related to communication between far regions by synchronization, due to its lower frequency and higher amplitude, factors that make the synchronization easier. Last century, many researchers has been focused on hippocampus theta rhythm, searching for its relationship with any function or behavior. The aim of this work is to assess the synchronization of theta rhythm inside this memory circuit (entorhinal-hippocampus-prefrontal), describing its basal behavior, how it affects signal's features.

[ES] El trastorno del espectro autista es un desorden de tipo neurológico cuya prevalencia se ha visto enormemente incrementada en los últimos años, hecho probablemente condicionado a las mejoras en las metodologías diagnósticas, pero que no deja de resultar alarmante. A pesar de su prevalencia, y al igual que ocurre con muchos otros trastornos de tipo neurológico o psiquiátrico, las bases neurológicas del trastorno del espectro autista aún no han sido completamente esclarecidas. En el presente Trabajo Fin de Grado, se ha analizado un conjunto de imágenes de resonancia magnética funcional en estado de reposo con el objetivo de determinar si existen o no diferencias significativas en la conectividad funcional cerebral entre sujetos afectados por el trastorno y sujetos sanos (o control). Para extraer conclusiones a partir de dichas imágenes, se ha utilizado la herramienta de software Matlab, así como diversas toolbox para la misma que han permitido realizar un análisis estadístico de los datos y visualizar los resultados. En total, se han examinado imágenes correspondientes a 183 pacientes, de los cuales 79 pertenecían al grupo autista y 104 al grupo control, y procedentes de la base de datos de ABIDE (Autism Brain Imaging Data Exchange). El análisis se ha llevado a cabo desde el punto de vista de la teoría de grafos y la ciencia de redes, y por tanto, el cerebro ha sido modelado como una red, dividida en nodos que interaccionan entre sí a través de enlaces. Para la segmentación en distintas regiones cerebrales, se ha utilizado la parcelación AAL (Automated Anatomical Labeling), de 116 regiones y definida en base a criterios anatómicos. Para extraer la conectividad cerebral funcional en ambos grupos, se ha utilizado el coeficiente de correlación de Pearson de la señal temporal BOLD, que se ha obtenido para cada par de regiones de la parcelación en un conjunto de matrices de conectividad. Los resultados extraídos muestran que dentro de la red cerebral existen tanto subredes que muestran un incremento de la conectividad, como subredes que muestran una conectividad reducida en el caso de los pacientes autistas. Los resultados hallados concuerdan con el cuadro clínico del trastorno, y pueden contribuir a sentar las bases neurológicas del mismo, de modo que se puedan desarrollar nuevas aproximaciones clínicas al trastorno del espectro autista., [EN] The Autism Spectrum Disorder (ASD) is a neurological disorder with an increasing prevalence, and even though this grow is probably related to the improvements in diagnostic methodologies, the increase in the number of ASD diagnosed patients is an alarming fact. Despite its prevalence, and as it happens in many other neurological and psychiatric disorders, the neurological basis of the ASD have not been completely established yet. In the present work, a set of resting state functional magnetic resonance images has been analyzed in order to determine if significant differences in brain functional connectivity between an autistic group and a control group of non-ASD affected subjects can be found. To reach conclusions from these images, the software tool Matlab and several toolboxes for it have been used. This tools have allowed a statistical analysis of the data and a visualization of the obtained results. The set contains images of 183 patients, of whom 79 belong to the autistic group and 104 belong to control group, that have been obtained from the ABIDE (Autism Brain Imaging Data Exchange) database. To perform the analysis, the graph theory and network science approach have been used, and the brain has been modeled as a network divided in several nodes connected through edges. The AAL (Automated Anatomical Labeling) atlas has been used to divide the brain in 116 ROIs (Region of Interest) based on anatomical criteria. In order to determine the functional connectivity of both autistic and control groups, the Pearson correlation coefficient of the BOLD signal has been used. This coefficient has been obtained for every single pair of brain regions, and has been stored in a set of connectivity matrices. The obtained results show both increased and reduced connectivity in autistic patients. This results agree with the clinical profile of the disorder, and may contribute to establish the neurological basis of the ASD, fact that will boost the development of new clinical approaches to the disorder.

[EN] Automatic positioning system for three-dimensional fabric cut in living or fixed samples is designed using 3D modeling techniques to optimize peak performance. It consists of two containers with dimensions approximately equal to the containers which are usually used in VT 1200S Leica vibratome but modified to provide a mechanical system which is composed of two gears. The first consists of two toothed gears which transmit the angular movement of the platform on which the tissue samples are deposited. The remaining gear comprises a host and a toothed gear which provides the aforementioned platform the possibility of changing the inclination with which the blade of a vibratome incident on the tissue, obtaining with the two degrees of freedom, the possibility of multi histological sections through a path defined by the investigator. The control part of the whole mechanical system consists of an Arduino which is a platform for creating electronic prototype open source and a set of drivers for two stepper motors (steppers) NEMA 14 which actuate the gears above mentioned. These motors have a resolution of 1.8 ° per step, but thanks to the control system and engrajes reach a resolution and angular tilt milli. System speed goes configured according to the feed rate at which the vibratome is configured. The whole system is powered by a power supply which provides 12 V voltage range necessary for the Arduino and Steppers system. The system has two limit switches which platform positioned at the point of origin each time a cut is made, all to optimize cutting and get the desired cutting path. All parts designed to be manufactured using different prototyping techniques such as fused deposition modeling and selective laser sintering., [ES] El sistema automático de posicionamiento para corte de tejido tridimensional en muestras vivas o fijadas está diseñado mediante técnicas de modelado 3D para optimizar su máximo funcionamiento. Está constituido por dos recipientes con unas dimensiones aproximadamente iguales que los recipientes que se emplean habitualmente en el vibrátomo VT 1200S de Leica pero modificados para disponer un sistema mecánico el cual está compuesto de dos engranajes. El primero de ellos está compuesto por dos engranajes dentados los cuales trasmiten el movimiento angular de la plataforma en la que se depositan las muestras de tejido. El engranaje restante está compuesto por un sinfín y un engranaje dentado el cual dota a la plataforma anteriormente mencionada de la posibilidad de modificar la inclinación con la que la cuchilla del vibrátomo incide en el tejido, consiguiendo con estos dos grados de libertad la posibilidad de realizar cortes histológicos multidireccionales a través de una trayectoria definida por el investigador. La parte de control de todo el sistema mecánico está compuesta por un Arduino el cual es una plataforma de creación de prototipos electrónicos de código abierto y un conjunto de drivers para dos motores paso a paso (steppers) nema 14, los cuales accionaran los engranajes anteriormente mencionados. Estos motores tienes una resolución de 1.8º por paso, pero gracias al sistema de control y a los engrajes se llega a una resolución angular y de inclinación de miligrados. La velocidad del sistema va configurada en función de la velocidad de avance a la que se configure el vibrátomo. Todo el sistema esta alimentado mediante una fuente de alimentación de 12 V la cual proporciona el rango de tensión necesaria para el sistema Arduino y los Steppers. El sistema dispone de dos finales de carrera los cuales posicionan la plataforma en el punto de origen cada vez que se realiza un corte, todo ello para optimizar el corte y obtener la trayectoria de corte deseada. Todas las piezas diseñadas se fabricaran mediante diferentes técnicas de prototipado tales como el modelado por deposición fundida o el sinterizado laser selectivo.