Simulation of fitzhugh nagumo neuronal model using matlab
Simulation of the fitzhugh-nagumo neuronal model usingmatlab
- Tez No: 953702
- Danışmanlar: DR. ÖĞR. ÜYESİ İMRAN GÖKER
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Biyomühendislik Bilim Dalı
- Sayfa Sayısı: 109
Özet
Bu tez, FitzHugh-Nagumo (FHN) modelini nöronal eksitabilitenin basitleştirilmiş bir temsili olarak araştırmakta ve eşiğe bağlı eksitabilite, frekans modülasyonu ve toparlanma dinamikleri dahil olmak üzere temel nöronal davranışları kopyalama yeteneğine odaklanmaktadır. Birincil amaç, nöronal ateşleme modellerini değerlendirmek için zaman serisi simülasyonları ve bifurkasyon analizi kullanarak parametrelerdeki, özellikle de harici uyarıcı 𝐼'deki değişikliklerin modelin davranışını nasıl etkilediğini araştırmaktı. Sonuçlar, FHN modelinin gerçek nöronlarda gözlemlenen eşik davranışını başarılı bir şekilde kopyaladığını, 𝑉 membran potansiyelinin 𝐼 < 0,5'te sabit kaldığını ve 𝐼 ≥ 0,5'te salınımlı (spiking) bir rejime geçtiğini göstermiştir. Ayrıca model, ateşleme frekansı 𝐼 = 0,6'da orta düzeyden 𝐼 = 1,2'de yüksek frekanslı salınımlara yükseldikçe frekans modülasyonu göstermiştir. Modelin bu özelliği, nöronlar tarafından uyaran yoğunluğunu kodlamak için kullanılan hız kodlama mekanizmasını yakından yansıtmaktadır. 𝑉'deki her bir sivri uçtan kısa bir süre sonra zirve yapan toparlanma değişkeni W, refrakter dönemi etkili bir şekilde simüle ederek hemen yeniden ateşlemeyi önler ve ateşleme modellerini stabilize eder. Bifurkasyon analizi, artan 𝐼'ye yanıt olarak dinlenme, periyodik salınım ve yüksek frekanslı ateşleme durumları arasındaki geçişleri göstererek modelin doğrusal olmayan dinamiklerini daha da ortaya çıkarmıştır. Bu çalışma, FHN modelini temel nöronal davranışları simüle etmek için hesaplama açısından verimli bir araç olarak valide etmektedir.
Özet (Çeviri)
This thesis explores the FitzHugh-Nagumo (FHN) model as a simplified representation of neuronal excitability, focusing on its ability to replicate key neuronal behaviors, including threshold-dependent excitability, frequency modulation, and recovery dynamics. The primary objective was to investigate how variations in parameters, particularly the external stimulus 𝐼, affect the model's behavior, using time series simulations and bifurcation analysis to assess neuronal firing patterns. The results demonstrated that the FHN model successfully replicates threshold behavior observed in real neurons, with the membrane potential 𝑉 remaining stable at 𝐼 < 0.5 and transitioning to an oscillatory (spiking) regime at 𝐼 ≥ 0.5. Additionally, the model showed frequency modulation, as the firing frequency increased from moderate at 𝐼 = 0.6 to high-frequency oscillations at 𝐼 = 1.2 This property of the model closely mirrors the rate coding mechanism used by neurons to encode stimulus intensity. The recovery variable W, which peaks shortly after each spike in 𝑉, effectively simulated the refractory period, preventing immediate re-firing and stabilizing the firing patterns. The bifurcation analysis further revealed the model's nonlinear dynamics, illustrating transitions between resting, periodic oscillatory, and high-frequency firing states in response to increasing 𝐼. The study validates the FHN model as a computationally efficient tool for simulating essential neuronal behaviors, making it suitable for theoretical and large-scale neural network simulations. Its simplified structure, consisting of only two variables, enables it to capture excitability and recovery dynamics without the computational demands of more detailed conductance-based models like Hodgkin-Huxley. However, limitations include its reduced applicability to specialized neuron types and the need for precise parameter calibration. Future research directions include incorporating additional biophysical properties, optimizing parameters for specific neuron types, and applying the FHN model to networked simulations to study collective neural phenomena. This thesis contributes to computational neuroscience by providing insights into the applicability of the FHN model in representing neuronal excitability and opens pathways for its potential use in neuromorphic computing.
Benzer Tezler
- Farklı bağlantı modelleri için halka bağlı sinir ağlarının sayısal incelenmesi
Numerical analysis of ring model neural networks with different connection models
HURİYE NUR DEĞİRMENCİOĞLU
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İ. SERDAR ÖZOĞUZ
- Estimating the parameters of fitzhugh-nagumo neurons from neural spiking
Sinirsel ateşleme verisinden fitzhugh-nagumo noron modelinin parametre kestirimi
LAILA ABOSHARB
Doktora
İngilizce
2020
MatematikAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
DOÇ. DR. REŞAT ÖZGÜR DORUK
- Biyolojik nöron modellerinin FPGA gerçekleştirimlerinde Taylor Maclaurin seri açılım yönteminin kullanılması
The usage of Taylor Maclaurin's serial expansion method in FPGA implementation of biological neuron models
BEKİR ŞIVGA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKayseri ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİMET KORKMAZ
- Memristif nöromorfik sistem hesaplamaları ve uygulamaları
Memristive neuromorfic system calculations and applications
AHMET YASİN BARAN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RECAİ KILIÇ
DR. ÖĞR. ÜYESİ NİMET KORKMAZ
- Biyolojik nöron modellerinin elektronik donanımlarının incelenmesi
Investigation of the electronic hardware of biological neuron models
NİMET DAHASERT
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RECAİ KILIÇ