Derin öğrenme ile nöronal veri kodunun çözülmesi
Neuronl data decoding with deep learning
- Tez No: 839812
- Danışmanlar: PROF. DR. AHMET ALKAN
- Tez Türü: Doktora
- Konular: Biyofizik, Elektrik ve Elektronik Mühendisliği, Biophysics, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 162
Özet
Sinirbilimde, bir eylem veya uyarana yanıt olarak beyin aktivitesini değerlendirmek ve analiz etmek için nöral görüntüleme yöntemleri kullanılır. Bu çalışmalar beynin çalışma stratejisini anlamamızı sağlar. Ancak, hala anlayamadığımız ve çözemediğimiz birçok husus bulunmaktadır. Bunu başarmanın bir yolu, tek bir nörona ya da nöron topluluğuna odaklanmak ve neler olup bittiğini anlamaktır. Sinirbilimciler, uzun zamandır, bireyin beynindeki sinir hücrelerinin aktivitesini merak edip araştırmaktadırlar. Nöronlar düzeyinde yapılan işlemlerin temel taşlarından biri spike patternini belirlemek, diğeri ise bir nöronun eksitatör mü yoksa inhibitör mü olduğunu belirlemektir. Tek hücreden alınan ekstra-hücresel ölçümleri değerlendirmek bize nöron düzeyinde uyarıcı nöronları veya inhibitör nöronları neyin aktive ettiğini gösterir. Öte yandan, bir nöron topluluğu düzeyinde bakarsak, bölgeye iletilen ve bölgeden gönderilen bilginin nasıl işlendiğini, nasıl kullanıldığını ve nöral ağın nasıl tepki verdiğini anlayabiliriz. Tüm bu gizemleri çözmek için çok sayıda çalışma yapıldı ve yapılmaktadır. Yeni tekniklerin kullanımı umut vericidir. Derin öğrenme tekniklerinin bu açıdan çok avantajlı olacağını öngörerek bu tez çalışmasını yapmaya karar verdik. Nöronal veriler tek bir birim veya çoklu birim olarak işlenecek ve amaç nöronal verilerin kodunu anlamak, yani çözmek olacaktır. Transfer öğrenme yaklaşımıyla hedeflediğimiz süreç hızlandırılıp kolaylaştırılmıştır. Erişime açık nörobilimsel veri setleri ile yapılan çalışmamızda, sinyallerin zamansal özelliklerine odaklanılmıştır. İlk olarak, Alexnet ağı kullanılarak, tek bir nöronun spike zaman sekansı ile nöronun uyarıcı mı yoksa inhibitör mü olduğu belirlenmiştir. Daha sonra, işitsel yol için önemli olan inferior kollikulusdan alınan multiünite aktivite sinyalleri ele alınmıştır. Nispeten kısa zaman pencereleri ile çoklu nöron yanıtlarından işitsel doğal uyaranlar tahmin edilmiştir. Bunu yapmak için farklı önceden eğitilmiş ağlar kullanılmış, bu tür veriler üzerinde kullandığımız ağların performansı değerlendirilmiş ve kaydedilmemiş başarılar elde edilmiştir. Son olarak, hangi özelliklerin açıklanabilir yapay zekâ yöntemleriyle en yoğun şekilde kullanıldığı değerlendirilmiştir.
Özet (Çeviri)
In neuroscience, neural imaging methods are used to assess and analyze brain activity in response to an action or stimulus. These studies allow us to understand the brain's working strategy. However, there are still many aspects that we do not understand and cannot solve. One way to achieve this is to focus on a single neuron or a population of neurons and understand what is going on. Neuroscientists have long been interested in the activity of nerve cells in an individual's brain. One of the cornerstones of action at the neuron level is the spike pattern, and another is to determine whether a neuron is excitatory or inhibitory. Evaluating extra-cellular measurements from a single cell tells us what activates excitatory neurons or inhibitory neurons at the neuron level and how. On the other hand, if we look at the level of a group of neurons, we can understand how information transmitted to and from the region is processed, how it is used, and how the neuronal network responds. A great deal of work has been and is being done to solve all these enigmas. The use of new techniques is promising. We decided to carry out this thesis study, anticipating that deep learning techniques will be very advantageous in this respect. Neuronal data will be processed as a single unit or multiple units and the goal will be to understand, i.e. decode, the neuronal data. With the transfer learning approach, our targeted process is accelerated and facilitated. In our study with accessible neuroscientific datasets, we focused on the temporal characteristics of the signals. Firstly, by feature extraction using the Alexnet network, the spike time sequence of a single neuron was used to determine whether the neuron was excitatory or inhibitory. Then, multiunit activity signals from the inferior colliculus, which is important for the auditory pathway, were considered. Auditory natural stimuli were estimated from multiple neuron responses with relatively short time windows. Different pre-trained networks were used to do this, the performance of our networks on such data was evaluated, and previously unrecorded successes were achieved. Finally, it is evaluated which features are most intensively utilized by explainable artificial intelligence methods.
Benzer Tezler
- Ön işleme tabanlı manyetik rezonans sekans karşılaştırmalı servikal lenf nodu segmentasyonu
Preprocessing based magnetic resonance sequence comparative cervical lymph node segmentation
ELİF AYTEN TARAKÇI
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazSağlık BakanlığıKulak Burun Boğaz Ana Bilim Dalı
PROF. DR. METİN ÇELİKER
- Image reconstruction from fMRI activity in visual cortex
Görsel korteksteki fMRI aktivititesinden görüntü yenidenyapılandırılması
HANDENUR GENÇ
Yüksek Lisans
İngilizce
2024
BiyomühendislikYeditepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDAÇ HAMAMCI
- 1H-MRSI of the deep gray matter structures in patients with amyotrophic lateral sclerosis
Amyotrofik lateral skleroz hastalarında derin gri madde yapılarının multi voksel proton manyetik rezonans spektroskopisi
MERYEM TORLAK
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İSA YILDIRIM
PROF. DR. ESİN ÖZTÜRK IŞIK
- Behavioral and genetic evaluation of the effect of prenatal stress on functional cerebral asymmetries in rats
Ratlarda prenatal stresin fonksiyonel serebral asimetri üzerindeki etkisinin davranişsal ve genetik açidan değerlendirilmesi
SEVİM ISPARTA
Doktora
İngilizce
2023
Veteriner HekimliğiAnkara ÜniversitesiGenetik Ana Bilim Dalı
DOÇ. DR. BENGİ ÇINAR KUL
PROF. DR. ONUR GÜNTÜRKÜN
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN