İTÜ Çalışma Grupları

İçerik hazırlanmaktadır.

Striatal Nöral Mikrodevre

Striatum, karar verme, eylem seçme ve ödüle dayali ögrenmede etkin olarak görev alan basal ganglia çekirdeklerinin temel giriş katmanıdır. Özellikle Dopamin nörotaşıyıcısının doğrudan etkili olduğu bir bölge olmasğndan dolayğ, basal ganglia devresinin rol aldığı yukarıda sayılan görevlerdeki rolü son 10 yılda birçok araştırmanın konusu olmasına sebep olmuştur. Striatum, serebral korteks, amigdala ve hippokampusden oluşan limbik sistem ve dopamin salınımından sorumlu Substantia nigra pars compacta bölgelerinden doğrudan giriş almaktadir. Benzer sekilde dolaylı olarak da talamus üzerinden sensorimotor ve motivasyonel bilgilerin beyin sapından striatuma geldigi bilinmektedir. İkincil sinyal taşıyıcı olarak isimlendirilen nöromodülasyon sinyallerinden dopamin ve serotoninin bu bölge üzerinde önemli roller üstlendigi bilinmektedir. Fakat bu sinyallerin net olarak aldıgı roller halen hesaplamalı ve deneysel sinirbilim çalışmalarının konusu olmaya devam etmektedir. Striatum devresinde başlıca iki tip hücre bulunmaktadir. Bu bölgedeki sinir hücrelerinin yaklaşık %90'ını striatal medium spiny nöronlar oluştururken, geriye kalan kısmında ise Fast spiking internöronların bulundugu yapılan deneysel çalışmalarla belirlenmiştir. Yine elde edilen bulgulardan yola çıkarak medium spiny nöronlarının temel elektriksel işaretinin patlama oldugu, adından da anlaşılacagı üzere Fast spiking internöronların ise yüksek frekansta vuru ürettigi bilinmektedir. Nörokimyasal belirleyicilere (örnegin reseptörler) baglı olarak striatum birçok bölgeye ayrılmaktadır. Dopamin reseptörlerinden D1 ve D2 özellikle motor hareketlerden sorumlu oldugu için ele alınan bu çalışmada özellikle bu iki bölge dikkate alınmaktadır. Dopamin tarafından davranışı modüle edilen bu hücre tipi ve bu hücre tipinin baskın olarak bulundugu striatum, günümüzün en önemli sinir sistemi hastalıklarından olan Parkinson hastalığına ilişkin yapılan çalışmalarda da dikkatleri üzerine çekmistir. Yapılan deneysel çalışmalar göstermiştir ki striatum üzerinde gözlenen ritmik bozukluklar Parkinson hastalığı ile doğrudan ilintilidir. Dopamin azlığına ya da fazlalığına baglı olarak çeşitli motor semptomları olan hastalıklar gözlemlenmekte (Parkinson hastalığının yanı sıra Huntington hastalığı da bu kapsamda degerlendirilmektedir) ve bu hastalıkların özellikle dopaminin başlica etkin oldugu striatumdaki fonksiyonların bozulmasından kaynaklandığı ya da tetiklendiği düşünülmektedir.

Çalışanlar : Berat Denizdurduran, Rahmi Elibol

Bu çalışma TÜBİTAK 111E264 nolu proje ile desteklenmektedir.

Nöral Senkronizasyon

Striatum eylem seçimi devresinde Korteksten aldığı girişleri Basal Çekirdeklerin diğer birimlerine doğrudan ve dolaylı yollar ile aktaran Basal çekirdeklerin giriş bölümüdür. Striatum doğrudan yol ile Globus Pallidus internalı (GPi) baskılamaktadır. Basal Ganglianın çıkışı sayılabilecek GPi ise Thalamusu (Thl) baskılamaktadır. Striatum hücrelerindeki senkron veya asenkron davranışların Thalamus davranışına etkileri araştırma konusudur. Striatumda özellikle MSN hücreleri ile sürekli aktivite üreten GPi hücreleri baskılanmaktadır ve GPi baskılandığı için Thl konuşabilmektedir. Ancak Str hücrelerinin senkron ve asenkron olarak davranış üretmesi GPi hücrelerinde de bir senkronizasyona sebep olacağından GPi hücreleri Thl hücrelerini senkronizasyonun da etkisiyle baskılmaktadır. Thl hücrelerinde Regular Spike (RS), Rebaund Spike (RBS) ve Rebaund Bursting (RBB) gibi farklı davranışlara sahip hücreler olduğu düşünülerek, Str hücrelerinde tam senkronizasyondan başlanıp senkronizasyonun biraz daha bozulduğu her aşamada Thl hücrelerinin vuru sayılarının rebaund mekanizması ve senkronizasyon etkisi ile nasıl değiştiği incelenmektedir.

Çalışanlar : Özkan Karabacak, Rahmi Elibol

Bu çalışma TÜBİTAK 111E264 nolu proje ile desteklenmektedir.

Robotik Çalışmalar

Disiplinlerarası bir bilim olan hesaplamalı sinirbilim, merkezi sinir sistemine ilişkin açıklamalar getirirken, mühendislik yaklaşımıyla robotik uygulamalar ise özellikle son yıllarda yer edinmekte ve bu çalışmalar insan beynine ilişkin modellere test ortamı sağlamaktadır. Bu çalışma ile karar verme sürecine ait bir hesaplamalı modelin gerçek bir robot üzerinde uygulanması gerçekleştirilmiştir. Hesaplamalı bir basal ganglia-talamus-korteks modeli kullanılarak bir robotun hareket kararı vermesi ve hareket kararı verme sürecindeki bilgilerin bir pekiştirmeli öğrenme yöntemi ile öğrenilmesi amaçlanmıştır. Kurulan model Bioloid Premium robot üzerine yerleştirilerek test ortamında sınanmıştır.

Çalışanlar : Emeç Erçelik, Berat Denizdurduran

Bu çalışma TÜBİTAK 111E264 nolu proje ve İTÜ BAP 55522 ile desteklenmektedir.

İçerik hazırlanmaktadır.

İçerik hazırlanmaktadır.

Uluslararası hakemli dergilerde yayımlanan makaleler :

1. G.B.Kaplan, N.S.Şengör, H.Gürvit, C.Güzeliş “Modeling The Stroop Effect: A Connectionist Approach”, Neurocomputing, 70(3),1414-1423, (2007).

2.G.B.Kaplan, N.S.Şengör, H.Gürvit, İ.Genç, C.Güzeliş, “A Composite Neural Network for Perseveration and Distractibility in Wisconsin Card Sorting Test”, Neural Networks, 19(4), 375-387 (2006) .

3.Basabdatta Sen Bhattacharya, Yuksel Cakir, Neslihan Serap-Sengor, Liam Maguire, Damien Coyle, "Model-based bifurcation and power spectral analyses of thalamocortical alpha rhythm slowing in alzheimer's disease", Neurocomputing, 0925-2312 (2012)

4.Selin Metin, N. Serap Sengor, "From Occasional Choices to InevitableMusts: A Computational Model of Nicotine Addiction", Computational Intelligence and Neuroscience, Volume 2012, Article ID 817485, 14 pages (2012)

Uluslararası bilimsel toplantılarda sunulan ve bildiri kitabında (Proceedings) basılan bildiriler :

1. Yücelgen C., Denizdurduran B., Metin S., Elibol R., Sengor N.S., " A Biophysical Network Model Displaying the Role of Basal Ganglia Pathways in Action Selection", 22th International Conference on Artificial Neural Networks, Lausanne, Switzerland, (2012)

2. B. Denizdurduran, N.S. Sengor, “A Realization of Goal-Directed Behavior-Implementing a Robot Model Based on Cortico-Striato-Thalamic Circuits”, ICAART 2012, 4th International Conference on Agents and Artificial Intelligence, Algarve, Portugal, 6-8 February, (2012).

3. C. Yucelgen, Y. Kuyumcu, N.S. Sengor, “A Novel Structure for Realizing Goal-Directed Behavior”, 4th International Conference on Agents and Artificial Intelligence, Algarve, Portugal, 6-8 February, (2012).

4.Demirkol A.S., Özoğuz S., "A Low Power VLSI Implementation of the Izhikevich Neuron Model", NEWCAS'11, Bordeux, France (2011).

5.S.Metin, N.S. Sengor,”A Neurocomputational Model of Nicotine Addiction Based on Reinforcement Learning”, ICANN 2010, 20th International Conference on Artificial Neural Networks, Selanik, Eylül 15-18, (2010).

6.S.Metin, N.S. Sengor,”Dynamical System Approach in Modeling Addiction”, BICS 2010 (Brain Inspired Cognitive Systems), 4th International Symposium on Cognitive Neuroscience, Madrid, Temmuz 14-16, (2010).

7. N.S.Şengör, Ö.Karabacak, Ulrich Steinmetz, " A Computational Model of Cortico-Striato-Thalamic Circuits in Goal-Directed Behaviour", LNCS 5163, Proceedings of ICANN 2008 328-337, (2008).

8. Ö.Karabacak, N.S.Şengör, "A computational model for the effect of dopamine on action selection during Stroop test", Lecture Notes in Computer Science, 4131, 485-494, (2006).

9. Ö.Karabacak, N.S.Şengör, “A Dynamical Model of a Cognitive Function: Action Selection”, 16th IFAC World Congress, (2005).

10. G.B.Kaplan, N.S.Şengör, H.Gürvit, C.Güzeliş,"Modelling Stroop Effect by a Connectionist Model", Proc.ICANN/ICONIP'2003, Istanbul, Turkey, 457-460, (2003).

Uluslararası Bilimsel Toplantılarda Sunulan ve Bildiri Kitabında Basılan Özetler:

1. S.Metin, N.S.Sengor, ”Merging dorsal and ventral striatal pathway outputs of basal ganglia circuit in decision making process”, 22th Annual Computational Neuroscience Meeting, Paris, 13-18 Temmuz 2013.

2. B.Denizdurduran, N.S.Sengor, ”A computational model of striatal neural microcircuit: how dopamine release becomes important to the striatal functions”,22th Annual Computational Neuroscience Meeting, Paris, 13-18 Temmuz 2013.

3. S.Metin, N.S.Sengor, ”Ventral Striatal Pathway Determines Actions Employed: A Computational Model”, 8th Bernstein Conference on Computational Neuroscience, Münih, Eylül 12-14, 2012.

4. B. Denizdurduran, R. Elibol, N.S.Sengor, ”A Fast-Slow Minimal Model for medium Spiny Neurons: A Geometrical Perspective”, 8th Bernstein Conference on Computational Neuroscience, Münih, Eylül 12-14, 2012.

5. C. Yucelgen, N.S.Sengor, ”Boosting Voluntary Actions: Modeling the Role of Indirect Pathway”, 8th Bernstein Conference on Computational Neuroscience, Münih, Eylül 12-14, 2012.

6. S.Metin, N.S.Sengor,” A neurocomputational model of nicotine addiction based on reinforcement learning”, 7th Bernstein Conference on Computational Neuroscience, Freiburg, Ekim 4-9, (2011).

7. B. Denizdurduran, N.S.Sengor,” A Biophysical Network Model for Action Selection”, 7th Bernstein Conference on Computational Neuroscience, Freiburg, Ekim 4-9, (2011).

8. S.Metin, N.S.Sengor,” A neurocomputational model of nicotine addiction based on reinforcement learning”, 13th Annual Meeting of the SRNT Europe, Antalya, (2011).

9. Büyükaksoy Kaplan G., Sengör N., Gürvit H., “Planning Framework For Tower of Hanoi Task”, 5th Bernstein Conference on Computational Neuroscience 2009 in Frankfurt, Germany, Eylül 30- Ekim2, (2009).

10. Cihan Soylu, Ozkan Karabacak, Neslihan Serap Sengor,”Investigating the Dynamics of the Neural Substrates Taking Part in Goal-Directed Behaviour” SIAM Conference on Applications of Dynamical Systems (DS09), Mayıs 17-21, Utah, (2009).

11. Büyükaksoy Kaplan G., Sengör N., Gürvit H., “Modeling working memory and learning in solving the towers of Hanoi test”, Xth International Conference on Cognitive Neuroscience Abstract Book, Bodrum, Turkey, pg. 169, (2008).

12. Balci M, Sengor N.S., “A Connectionist Model of Planning: a Behavioral Approach”, 13th Annual Dynamical Neuroscience Satellite Symposium, Washington D.C., U.S., pg. V-5, (2005).

13. Kaplan G.B. , Sengor N.S., Gurvit H., “An Improvement on Composite Neural Network System for Modelling Perseveration and Distractibility in Wisconsin card Sorting Test”, ICON IX International Conference on Cognitive Neuroscience, Havana, Cuba, pg. 182, (2005).

14. Kaplan G.B., Karabacak O., Sengor N.S., Gurvit H., “A Connectionist Model Considering the Effect of Basal Ganglia on Stroop Test” ICON IX International Conference on Cognitive Neuroscience, Havana, Cuba, pg. 254, (2005).

15. Balci M., Kaplan G.B., Sengor N.S., Gurvit H., “An Adaptive Resonance Theory Based Modelling of Working Memory in Tower of Hanoi Test”, ICON IX International Conference on Cognitive Neuroscience, Havana, Cuba, pg. 342, (2005).

16. G.K. Büyükaksoy, N.S.Şengör, H.Gürvit,”A Computational Model of Working Memory for Tower of Hanoi Test”, ”, Modelling Mental Processes and Disorders, AGORA for Biosystems, Kuşadası pg. 43, (2004).

17. D. Hasan, Ö.Karabacak, N.S. Şengör, “A Computataional Model of Reinforcement Learning at Basal Ganglia”, Modelling Mental Processes and Disorders, AGORA for Biosystems, Kuşadası pg. 48, (2004).

Ulusal Bilimsel Toplantılarda Sunulan ve Bildiri Kitabında Basılan Özetler:

1. Sengor N.S., "Bilişsel Sureçleri Anlamada Matematiksel Sinir Bilimin Yeri", Karmaşık Dinamik Sistemler Çalıştayı, Ankara, (2012)

2. Elibol R., Sengor N.S., "Dopaminin Davranış Üstünde Etkisine İlişkin Striatum Modelleri", Karmaşık Dinamik Sistemler Çalıştayı, Ankara, (2012)

3. Metin S.,Sengor N.S., "Ventral Striatal Yolun Karar Almaya Katkısı", Karmaşık Dinamik Sistemler Çalıştayı, Ankara, (2012)

4. S. Metin, N.S. Sengör, “Nikotin bağımlılığı için pekiştirmeli öğrenmeye dayalı hesaplamalı bir model”, 10.Ulusal Sinirbilimleri Kongresi, İstanbul, (2011).

5. B. Denizdurduran, N.S. Sengör, “Kortiko-striato-talamik devrelerin bir robot uygulaması”, 10. Ulusal Sinirbilimleri Kongresi, İstanbul, (2011). Pdf

6. G.Büyükaksoy Kaplan, N.S. Sengör,“Değişen Koşullara Adaptasyon için Hesaplamalar”, 10. Ulusal Sinirbilimleri Kongresi, İstanbul, (2011).

7. S. Çapkan, N.S. Sengör, “Korku Şartlanmasına İlişkin bir Hesaplamalı Model”, 8. Ulusal Sinirbilimleri Kongresi, Bolu, (2009).

8. G.B. Kaplan, N.S. Sengör, H. Gürvit, I.Genç, C. Güzelis, "A Model for Perseveration and Distractibility in Wisconsin Card Sorting Test by Using a Composite Neural Network System", Neuroanatomy, 2nd National Congress of Neuroscience, Bursa, Turkey, April 26-20, pg. 36, (2003).

9. G.B. Kaplan, N.S. Sengör, H. Gürvit, C. Güzelis, "Modelling Stroop Effect by a Connectionist Model", Neuroanatomy, 2nd National Congress of Neuroscience, Bursa, Turkey, April 26-20, pg. 34, (2003).

Tezler :

1. Denizdurduran B., "LEARNING HOW TO SELECT AN ACTION: FROM BIFURCATION THEORY TO THE BRAIN INSPIRED COMPUTATIONAL MODEL", Yüksek Lisans Tezi, İTÜ Fen Bilimleri Enstitüsü (2012)