The numerical algorithms for non-stationary mathematical models in non-standard domains are investigated in the dissertation. The problem definition domain is represented by branching structures with conjugation equations considered at the branching points. The numerical analysis of the conjugation equations and non-classical boundary conditions distinguish considered problems among the classical problems of mathematical physics presented in the literature. The scope of the dissertation covers the investigation of stability and convergence of the numerical algorithms on branching structures with different conjugation equations, the construction and implementation of parallel algorithms, the investigation of the numerical schemes for the problems with nonlocal integral conditions. The modeling of the excitation of neuron and photoexcited carrier decay in a semiconductor, also the problem of the identification of nonlinear model are considered in the dissertation. / Disertacijoje nagrinėjami nestacionarių matematinių modelių nestandartinėse srityse skaitiniai sprendimo algoritmai. Uždavinio formulavimo sritis yra šakotosios strukturos (ang. branching structures), kurių išsišakojimo taškuose apibrežiami tvermės dėsniai. Tvermės dėsnių skaitinė analizė ir nestandartinių kraštinių sąlygų analizė skiria nagrinėjamus uždavinius nuo klasikinių aprašytų literatūroje matematinės fizikos uždaviniu. Disertacijoje suformuluoti uždaviniai apima skaitinių algoritmų šakotose struktūrose su skirtingais srautų tvermės dėsniais stabilumo ir konvergavimo tyrimą, lygiagrečiųjų algoritmų sudarymą ir taikymą, skaitinių schemų uždaviniams su nelokaliomis integralinėmis sąlygomis tyrimą. Disertacijoje sprendžiami taikomieji neurono sužadinimo ir impulso relaksacijos lazerio apšviestame puslaidininkyje uždaviniai, netiesinio modelio identifikavimo uždavinys.

In the past decade, characterizing spiking neuron models has been extensively researched as an essential issue in computational neuroscience. In this thesis, we examine the estimation problem of two different neuron models. In Chapter 2, We propose a modified Izhikevich model with an adaptive threshold. In our two-stage estimation approach, a linear least squares method and a linear model of the threshold are derived to predict the location of neuronal spikes. However, desired results are not obtained and the predicted model is unsuccessful in duplicating the spike locations. Chapter 3 is focused on the parameter estimation problem of a multi-timescale adaptive threshold (MAT) neuronal model. Using the dynamics of a non-resetting leaky integrator equipped with an adaptive threshold, a constrained iterative linear least squares method is implemented to fit the model to the reference data. Through manipulation of the system dynamics, the threshold voltage can be obtained as a realizable model that is linear in the unknown parameters. This linearly parametrized realizable model is then utilized inside a prediction error based framework to identify the threshold parameters with the purpose of predicting single neuron precise firing times. This estimation scheme is evaluated using both synthetic data obtained from an exact model as well as the experimental data obtained from in vitro rat somatosensory cortical neurons. Results show the ability of this approach to fit the MAT model to different types of reference data.

No description available.

No description available.

Neuronen sind erregbare Systeme. Ihre Antwort auf Anregungen oberhalb eines bestimmten Schwellwertes sind Pulse. Häufig wird die Pulserzeugung von verschiedenen Rückkopplungsmechanismen beeinflusst, die auf langsamen Zeitskalen agieren. Das kann zu Phänomenen wie Feuerraten-Adaptation, umgekehrter Feuerraten-Adaptation oder zum Feuern von Pulsen in Salven führen. Weiterhin sind Neuronen verschiedenen Rauschquellen ausgesetzt und wechselwirken mit anderen Neuronen, in neuronalen Netzen. Doch wie beeinflusst das Zusammenspiel von Rückkopplungsmechanismen, Rauschen und der Wechselwirkung mit anderen Neuronen die Pulserzeugung? Diese Arbeit untersucht, wie die Pulserzeugung in rauschgetriebenen erregbaren Systemen von langsamen Rückkopplungsmechanismen und der Wechselwirkung mit anderen erregbaren Systemen beeinflusst wird. Dabei wird die Pulserzeugung in drei Szenarien betrachtet: (i) in einem einzelnen erregbaren System, das um einen langsamen Rückkopplungsmechanismus erweitert wurde, (ii) in gekoppelten erregbaren Systemen und (iii) in stark gekoppelten salvenfeuernden Neuronen. In jedem dieser Szenarien wird die Pulsstatistik mit Hilfe von analytischen Methoden und Computersimulationen untersucht. Das wichtigste Resultat im ersten Szenario ist, dass das Zusammenspiel von einer stark anregenden Rückkopplung und Rauschen zu rauschkontrollierter Bistabilität führt. Das erlaubt es dem System zwischen verschiedenen Modi der Pulserzeugung zu wechseln. In (ii) wird die Pulserzeugung stark von der Wahl der Kopplungsstärken und der Anzahl der Verbindungen beeinflusst. Analytische Näherungen werden abgeleitet, die einen Zusammenhang zwischen der Anzahl der Verbindungen und der Pulsrate, sowie der Pulszugvariabilität herstellen. In (iii) wird festgestellt, dass eine hemmende Rückkopplung zu sehr unregelmäßigem Verhalten der isolierten Neuronen führt, wohingegen eine starke Kopplung mit dem Netzwerk ein regelmäßigeres Feuern von Salven hervorruft. / Neurons are excitable systems. Their responses to excitations above a certain threshold are spikes. Usually, spike generation is shaped by several feedback mechanisms that can act on slow time scales. These can lead to phenomena such as spike-frequency adaptation, reverse spike-frequency adaptation, or bursting. In addition to these, neurons are subject to several sources of noise and interact with other neurons, in the connected complexity of a neural network. Yet how does the interplay of feedback mechanisms, noise as well as interaction with other neurons affect spike generation? This thesis examines how spike generation in noise-driven excitable systems is influenced by slow feedback processes and coupling to other excitable systems. To this end, spike generation in three setups is considered: (i) in a single excitable system, which is complemented by a slow feedback mechanism, (ii) in a set of coupled excitable systems, and (iii) in a set of strongly-coupled bursting neurons. In each of these setups, the statistics of spiking is investigated by a combination of analytical methods and computer simulations. The main result of the first setup is that the interplay of strong positive (excitatory) feedback and noise leads to noise-controlled bistability. It enables excitable systems to switch between different modes of spike generation. In (ii), spike generation is strongly affected by the choice of the coupling strengths and the number of connections. Analytical approximations are derived that relate the number of connections to the firing rate and the spike train variability. In (iii), it is found that negative (inhibitory) feedback causes very irregular behavior of the isolated bursters, while strong coupling to the network regularizes the bursting.

Um die komplexe Dynamik von Neuronen und deren Informationsverarbeitung mittels Pulssequenzen zu verstehen, ist es wichtig, die stationäre Puls-Aktivität zu charakterisieren. Die statistischen Eigenschaften von Pulssequenzen können durch vereinfachte stochastische Neuronenmodelle verstanden werden. Eine gut ausgearbeitete Theorie existiert für die Klasse der Erneuerungsmodelle, welche die statistische Unabhängigkeit der Interspike-Intervalle (ISI) annimmt. Experimente haben jedoch gezeigt, dass viele Neuronen Korrelationen zwischen ISIs aufweisen und daher nicht gut durch einen Erneuerungsprozess beschrieben werden. Solche Korrelationen können durch Nichterneuerungs-Modelle erfasst werden, welche jedoch theoretisch schlecht verstanden sind. Diese Arbeit ist eine analytische Studie von Nichterneuerungs-Modellen, die zwei bedeutende Korrelationsmechanismen untersucht: farbiges Rauschen, welches zeitlich-korrelierten Input darstellt, und negative Puls-Rückkopplung, welche Feuerraten-Adaption realisiert. Für das "Perfect-Integrate-and-Fire" (PIF) Modell, welchen durch ein allgemeines Gauss''sches farbiges Rauschen getrieben ist, werden die Statistiken höherer Ordnung der Output-Pulssequenz hergeleitet, insbesondere der Koeffizient der Variation, der serielle Korrelationskoeffizient (SCC), die ISI-Dichte und der Fano-Faktor. Weiterhin wird die Dynamik des PIF Modells mit Puls-getriggertem Adaptionsstrom und weissem Stromrauschen im Detail analysiert. Die Theorie liefert einen Ausdruck für den SCC, der für schwaches Rauschen aber beliebige Adaptions-Stärke und Zeitskale gültig ist, sowie die lineare Antwortfunktion und das Leistungsspektrum der Pulssequenz. Ausserdem wird gezeigt, dass ein stochastischer Adaptionsstrom wie ein langsames farbiges Rauschen wirkt, was ermöglicht, die dominierende Quellen des Rauschen in einer auditorischen Rezeptorzelle zu bestimmen. Schliesslich wird der SCC für das fluktuations-getriebene Feuerregime berechnet. / To understand the complex dynamics of neurons and its ability to process information using a sequence of spikes, it is vital to characterize its stationary spontaneous spiking activity. The statistical properties of spike trains can be explained by reduced stochastic neuron models that account for various sources of noise. A well-developed theory exists for the class of renewal models, in which the interspike intervals (ISIs) are statistically independent. However, experimental studies show that many neurons are not well described by a renewal process because of correlations between ISIs. Such correlations can be captured by generalized, non-renewal models, which are, however, poorly understood theoretically. This thesis represents an analytical study of non-renewal models, focusing on two prominent correlation mechanisms: colored-noise driving representing temporally correlated inputs, and negative feedback currents realizing spike-frequency adaptation. For the perfect integrate-and-fire (PIF) model driven by a general Gaussian colored noise input, the higher-order statistics of the output spike train is derived using a weak-noise analysis of the Fokker-Planck equation. This includes formulas for the coefficient of variation, the serial correlation coefficient (SCC), the ISI density and the Fano factor. Then, the dynamics of a PIF model with a spike-triggered adaptation and a white-noise current is analyzed in detail. The theory yields an expression for the SCC valid for weak noise but arbitrary adaptation strengths and time scale, and also provides the linear response to time-dependent stimuli and the spike train power spectrum. Furthermore, it is shown that a stochastic adaptation current acts like a slow colored noise, which permits to determine the source of spiking variability observed in an auditory receptor neuron. Finally, the SCC is calculated for the fluctuation-driven spiking regime by assuming discrete states of colored noise or adaptation current.

La stimulation électrique neurale, appliquée au système nerveux périphérique pour la restauration des fonctions motrices ou la neuromodulation, est une technologie en plein essor, en particulier la stimulation implantée avec des électrodes Cuff positionnées autour d’un nerf périphérique. Le principal frein au développement des systèmes de stimulation est la difficulté à obtenir la stimulation ou l’inhibition des fonctions cibles de manière précise et indépendante, c’est-à-dire, obtenir une sélectivité des fonctions. Les paramètres impliqués dans la sélectivité au sens large ne sont pas toujours intuitifs, et le nombre de degrés de libertés (choix de l’électrode, nombre de contacts, forme du pulse etc.) est important. Tester toutes ces hypothèses en expérimentation n’est pas faisable et inenvisageable dans le réglage des neuroprothèses en contexte clinique. La modélisation a priori nous permet d’établir des critères de choix, de déterminer les stratégies les plus efficaces et de les optimiser. Par ailleurs, un grand nombre d’études ont pu prévoir des stratégies de sélectivité inédites grâce à la modélisation, et validées a posteriori par l’expérimentation. Le schéma de calcul scientifique est composé de deux parties. On modélise, d’une part, la propagation du champ de potentiels électriques générés par les électrodes à l’intérieur d’un volume conducteur représentant le nerf (étude biophysique), et d’autre part l’interaction entre ce champ de potentiels et les neurones (réponse électrophysiologique). Notre première contribution propose une méthode originale de modélisation et d’optimisation de la sélectivité spatiale avec une électrode Cuff, sans connaissance a priori de la topographie de nerf. Partant de ce constat, nous déterminons de nouveaux critères, l’efficacité et la robustesse, complémentaires à la sélectivité, nous permettant de faire un choix entre des configurations multipolaires concurrentes. Ainsi, en fonction de la pondération de ces critères, nous avons développé un algorithme d’optimisation pour déterminer la configuration optimale en fonction de la zone choisie, du diamètre des fibres visées ainsi que de la durée de stimulation, pour un pulse type rectangulaire de référence. Des expérimentations sur modèle animal nous ont permis d’évaluer l’efficacité de la méthode et sa généricité. Ce travail est partie intégrante d’un projet plus vaste de stimulation du nerf vague (projet INTENSE), où l’une des applications concerne le traitement des troubles cardiaques. L’objectif est d’activer sélectivement une population spécifique de fibres nerveuses pour obtenir des effets plus ciblés conduisant à une thérapie améliorée, tout en diminuant les effets secondaires. La deuxième contribution consiste à combiner la sélectivité spatiale et la sélectivité au diamètre de fibre avec un modèle générique de nerf et une électrode Cuff à 12 contacts. L’utilisation d’une forme d’onde particulière (prépulse) combinée avec des configurations multipolaires permet d’activer des fibres d’un diamètre défini dans un espace ciblé. Les perspectives cliniques sont nombreuses, notamment sur la réduction de la fatigue liée à l’utilisation prolongée de la stimulation ou la diminution des effets secondaires. Dans le cadre du projet INTENSE, la seconde application liée à la stimulation du nerf vague vise le problème de l’obésité morbide. L’activation des axones cibles liés aux fonctions gastriques nécessite une quantité de charges conséquente. Plusieurs études suggèrent que les formes de pulse non rectangulaires peuvent activer les axones du système nerveux périphérique avec une quantité de charges réduite comparée à la forme de pulse rectangulaire de référence. Notre dernière contribution concerne l’étude expérimentale et de modélisation de ces formes d’ondes complexes. L’approche par modélisation, si elle est bien maîtrisée, apporte une analyse pertinente voire même indispensable au réglage clinique des neuroprothèses. / Neural electrical stimulation, applied to the peripheral nervous system for motor functions restoration or neuromodulation, is a thriving technology, especially implanted stimulation using Cuff electrodes positioned around a peripheral nerve. The main obstacle to the development of stimulation systems is the difficulty in obtaining the independent stimulation or inhibition of specific target functions (i.e. functional selectivity). The parameters involved in selectivity are not always intuitive and the number of degrees of freedom (choice of electrode, number of contacts, pulse shape etc.) is substantial. Thus, testing all these hypotheses in a clinical context is not conceivable. This choice of parameters can be guided using prior numerical simulations predicting the effect of electrical stimulation on the neural tissue. Numerous studies developed new strategies to achieve selectivity based on modeling results that have been validated a posteriori by experimental works. The computation scheme is composed of two parts : the modeling of the potential field generated by the electrodes inside a conductive medium representing the nerve on the one hand; and the determination of the interaction between this field of potentials and neurons on the other. Our first contribution is an original method of modeling and optimization of the spatial selectivity with a Cuff electrode, without prior knowledge of the nerve topography. Based on this observation, we determined new criteria, efficiency and robustness, complementary to selectivity, allowing us to choose between multipolar configurations. Thus, according to the weighting applied to these criteria, we developed an optimization algorithm to determine the optimal configuration as a function of the target zone, fiber diameter and the stimulation duration for a typical rectangular pulse. Experiments on animal model allowed us to evaluate the effectiveness and genericness of the method. This work was performed as part of a larger project on vagus nerve stimulation (INTENSE project) in which one of the applications focused on the treatment of cardiac disorders. The main objective was to selectively activate a specific population of nerve fibers to improve therapy and decrease side effects. In a second contribution, numerical simulations were used to investigate the combination of multipolar configurations and the prepulses technique, in order to obtain fiber recruitment in a spatially reverse order. The main objective was to achieve both spatial and fiber diameter selectivity. Expected clinical perspectives of this work are the reduction of fatigue related to a prolonged use of stimulation and the reduction of side effects. Within the framework of the INTENSE project, the second application investigated vagus nerve stimulation as a therapy for morbid obesity. Activation of target axons related to gastric functions requires a significant amount of charge injection. Several studies suggest that non-rectangular waveforms can activate axons of the peripheral nervous system with a reduced amount of charge compared to the reference rectangular pulse shape. Our last contribution focuses on the experimental study and the modeling of these complex waveforms. The modeling approach, if performed properly and while bearing in mind its limits, provides a relevant and even indispensable analysis tool for the clinical adjustment of neuroprostheses.

Diese Arbeit ist ein erster Versuch, mit Modellbildung und mathematischer Analyse die Experimente zu verstehen, die zeigten, dass die Stimulation eines einzelnen Neurons im Cortex eine Verhaltensreaktion auslösen kann. Dieser Befund stellt die verbreitete Ansicht infrage, dass viele Neurone nötig sind, um Information zuverlässig kodieren zu können. Der Ausgangspunkt der vorliegenden Untersuchung ist die Stimulation einer zufällig ausgewählten Zelle in einem Zufallsnetzwerk exzitatorischer und inhibitorischer Neuronmodelle. Es wird dann nach einem plausiblen Ausleseverfahren gesucht, das die Einzelzellstimulation mit einer mit den Experimenten vergleichbaren Zuverlässigkeit detektieren kann. Das erste Ausleseschema reagiert auf Abweichungen vom spontanen Zustand in der Aktivität einer Auslesepopulation. Die Stimulation wird detektiert, wenn bei der Auswahl der Auslesepopulation denjenigen Neuronen ein Vorzug gegeben wird, die eine direkte Verbindung von der stimulierten Zelle bekommen. Im zweiten Teil der Arbeit wird das Ausleseschema erweitert, indem ein zweites Netzwerk als Ausleseschaltkreis dient. Interessanterweise erweist sich dieses Ausleseschema nicht nur als plausibler, sondern auch als effektiver. Diese Resultate basieren sowohl auf Simulationen als auch auf analytischen Rechnungen. Weitere Experimente zeigten, dass eine konstante Strominjektion einen Effekt auslöst, der kaum von Dauer und Intensität der Stimulation abhängt, der aber bei unregelmäßiger Stimulation zunimmt. Der letzte Teil der Arbeit befasst sich mit einer theoretischen Erklärung für diese Ergebnisse. Hierzu werden die biologischen Eigenschaften des Systems im Modell detaillierter beschrieben. Weiterhin wird die Funktionsweise des Ausleseschemas so modifiziert, dass es auf Veränderungen reagiert, anstatt den Input zu integrieren. Dieser Differenzierdetektor liefert Ergebnisse, die mit den Experimenten übereinstimmen, und könnte bei nichtstationärem Input vorteilhaft sein. / This thesis is a first attempt at developing a theoretical model of the experiments which show that the stimulation of a single cell in the cortex can trigger a behavioral reaction and that challenge the common belief that many neurons are needed to reliably encode information. As a starting point of the present work, one neuron selected at random within a random network of excitatory and inhibitory integrate-and-fire neurons is stimulated. One important goal of this thesis is to seek a readout scheme that can detect the single-cell stimulation in a plausible way with a reliability compatible with the experiments. The first readout scheme reacts to deviations from the spontaneous state in the activity of a readout population. When the choice of readout neurons is sufficiently biased towards those receiving direct links from the stimulated cell, the stimulation can be detected. In the second part of the thesis, the readout scheme is extended by employing a second network as a readout circuit. Interestingly, this new readout scheme is not only more plausible, but also more effective. These results are based both on numerical simulations of the network and on analytical approximations. Further experiments showed that the probability of the behavioral reaction is substantially independent of the length and intensity of the stimulation, but it increases when an irregular current is used. The last part of this thesis seeks a theoretical explanation for these findings. To this end, a recurrent network including more biological details of the system is considered. Furthermore, the functioning principle of the readout is modified to react to changes in the activity of the local network (a differentiator readout), instead of integrating the input. This differentiator readout yields results in accordance with the experiments and could be advantageous in the presence of nonstationarities.