Réseaux hybrides in silico/in vitro par connexion dynamique entre cellule excitable et modèles numériques

par Sofiane Boussa

Thèse de doctorat en Automatique, traitement du signal et génie informatique

Sous la direction de Alain Faure, François Leboulenger et de Frank Le Foll.

Soutenue en 2009

à Le Havre .


  • Résumé

    Au sein du système nerveux, les neurones, massivement interconnectés, planifient les commandes motrices, régulent les sécrétions hormonales, assurent l'homéostasie du milieu intérieur, maintiennent les fonctions végétatives et supportent les mécanismes cognitifs supérieurs. Les fonctions neuronales reposent à la fois sur la topologie des projections nerveuses et sur des processus intégratifs et adaptatifs propres à chaque cellule comme la plasticité synaptique ou l'apprentissage par coïncidence pré/post. Dans le domaine de l’automatique les réseaux neuronaux artificiels, sont des systèmes adaptatifs et doués d’apprentissage. Ils trouvent des applications diverses dans la reconnaissance de formes, la fouille de données (data mining), le traitement du signal, le diagnostic. Ils sont définis principalement par une topologie, une fonction de seuillage et un algorithme d’apprentissage qui agit en faisant varier les poids synaptiques. L'objectif de cette thèse est d’étudier et de réaliser des connexions neuronales hybrides, afin d’en extraire des informations utiles aux recherches sur l’apprentissage et la plasticité synaptique. Ce travail se veut aussi une contribution à la mise en œuvre de la technique du dynamic-clamp. Cette technique récente reste peu utilisée car d’emploi ardu. Plusieurs expérimentations ont été menées au cours de cette thèse. Notamment, la greffe d’une synapse artificielle récurrente sur une cellule spontanément active à l'aide d'un prototype construit autour d’un DSP (Digital Signal processing). Nos travaux ont également conduit à faire interagir une cellule excitable et un perceptron doté d’un algorithme d’apprentissage artificiel. Enfin, ce travail ouvre des perspectives pour étendre cette étude sur une population de neurones en utilisant à cet effet une matrice de microélectrodes (MEA, Micro-Electrode Array).

  • Titre traduit

    In silico/in vitro hybrid networks by dynamic connections between an excitable cell and various computational models


  • Résumé

    In nervous system, neurons massively interconnected regulate hormonal secretions, control muscle contractions, ensure the homeostatic regulation of the internal environment and lead cognitive functions. In order to ensure the correct coordination of the entire organism, neurons have to communicate and interact with their neighbours. This communication is based on topology and morphology of dendritic field and several processes of integration and adaptation such as synaptic plasticity and learning by spike-time-dependant plasticity. In automatic field, the artificial neural networks (ANN) are adaptive systems; they try to simulate functional aspects of biological neural networks. They are characterized by a specific topology, threshold function and learning algorithm which change the structure of the network by updating the synaptic weights. Artificial neural networks are used in several applications, such as, pattern recognition, data mining, signal processing, control and diagnostic. The aim of this thesis is to study and analyze hybrid neuronal connexions, in order to learn more about neuronal learning processes and synaptic plasticity. This work is also a contribution to the dynamic-clamp technique. This electrophysiological technique remains confined to some laboratories, because of its hard use. In this work, we have developed a complete and dedicated hardware dynamic-clamp solution, based on a DSP-board (Digital Signal processing) programmed with C-coded routines. This setup has been validated especially by creating a virtual recurrent synapse (autaptic) connection in frog melanotrope cell. In addition, an interaction between an excitable cell and a Perceptron learning algorithm has been carried out. The obtained results open a window to extend this study with neurons population by using a matrix of micro-electrodes (MEA, Micro-Electrode Array).

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (153-[21] p.)
  • Annexes : Bibliogr. en fin de thèse

Où se trouve cette thèse ?

  • Bibliothèque : Université du Havre. Service commun de la documentation. Bibliothèque centrale.
  • Disponible pour le PEB
  • Cote : STH 881
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.