Return to search

Pathological synchronization in neuronal populations : a control theoretic perspective / Vision Automatique de la synchronisation neuronale pathologique

Dans la première partie de cette thèse, motivée par le développement de la stimulation cérébrale profonde comme traitement des symptômes moteurs de la maladie de Parkinson, nous considérons le problème de réduire la synchronie d'une population neuronale par l'intermédiaire d'une stimulation électrique en boucle fermée. Ceci, sous les contraintes que seule la tension de membrane moyenne de l'ensemble est mesurée et qu'un seul signal de stimulation est disponible (retour du champ moyen). La population neuronale est modélisée comme un réseau d'oscillateurs de Landau-Stuart contrôlé par un dispositif de rétroaction mono-entrée mono-sortie. En nous basant sur la dynamique de phase associée au système, nous analysons l'existence et la robustesse des solutions à verrouillage de phase, modélisant l'état pathologique, et nous dérivons des conditions nécessaires à une désynchronisation efficace par retour du champ moyen. Des conditions suffisantes sont ensuite dérivées pour deux objectifs de contrôle: l'inhibition et la désynchronisation neuronale. Notre analyse suggère que, en fonction de l'intensité du gain de rétroaction, le retour du champ moyen peut soit bloquer l'oscillation collective (inhibition neuronale) soit désynchroniser l'ensemble.Dans la deuxième partie, nous explorons deux voies possibles pour l'analyse des problèmes similaires dans des modèles biologiquement plus plausibles. Dans la première, la population est modélisée comme une interconnexion d'opérateurs entrée-sortie non-linéaires et la synchronisation neuronale est analysée en s'appuyant sur une approche entré-sortie récemment développée. Dans la seconde, les propriétés d'excitabilité et de synchronisabilité des neurones sont analysées via les bifurcations sous-jacentes. En nous basant sur la théorie des formes normales, un nouveau modèle réduit est dérivé pour capturer les comportements d'une grande classe de neurones qui restent inexpliqués dans les modèles réduits existants. / In the first part of this thesis, motivated by the development of deep brain stimulation for Parkinson's disease, we consider the problem of reducing the synchrony of a neuronal population via a closed-loop electrical stimulation. This, under the constraints that only the mean membrane voltage of the ensemble is measured and that only one stimulation signal is available (mean-field feedback). The neuronal population is modeled as a network of interconnected Landau-Stuart oscillators controlled by a linear single-input single-output feedback device. Based on the associated phase dynamics, we analyze existence and robustness of phase-locked solutions, modeling the pathological state, and derive necessary conditions for an effective desynchronization via mean-field feedback. Sufficient conditions are then derived for two control objectives: neuronal inhibition and desynchronization. Our analysis suggests that, depending on the strength of feedback gain, a proportional mean-field feedback can either block the collective oscillation (neuronal inhibition) or desynchronize the ensemble.In the second part, we explore two possible ways to analyze related problems on more biologically sound models. In the first, the neuronal population is modeled as the interconnection of nonlinear input-output operators and neuronal synchronization is analyzed within a recently developed input-output approach. In the second, excitability and synchronizability properties of neurons are analyzed via the underlying bifurcations. Based on the theory of normal forms, a novel reduced model is derived to capture the behavior of a large class of neurons remaining unexplained in other existing reduced models.

Identiferoai:union.ndltd.org:theses.fr/2012PA112069
Date06 April 2012
CreatorsFranci, Alessio
ContributorsParis 11, Lamnabhi-Lagarrigue, Françoise
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text, Image

Page generated in 0.0022 seconds