Sur la pertinence d'un modèle de transmission numérique pour l'information neuronale

On the pertinence of a numerical transmission model for neural information

• Auteur / Autrice : Zoran Tiganj
• Direction : Mamadou Mboup, Lotfi Belkoura
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Génie Informatique, Traitement du Signal
• Date : Soutenance le 08/11/2011
• Etablissement(s) : Lille 1
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)

Mots clés

Mots clés contrôlés

Calcul symbolique

Codage

Potentiels d'action (électrophysiologie)

Communication, Théorie mathématique de la

Transport biologique

Transmission nerveuse

Traitement du signal -- Techniques numériques

Neurosciences

Mots clés libres

Information neuronale

Résumé

Dans cette thèse, nous utilisons un ensemble d’outils avancés de mathématiques et de méthodes de traitement des signaux pour relever trois problèmes importants en neurosciences: détection de potentiels d’action, tri des potentiels d’action et codage neuronal. A partir d’enregistrements extracellulaires, nous avons tout d’abord abordé la question de la détection de potentiels d’action. Les potentiels d’action sont explicitement présents (comme des irrégularités) dans les dérivées distributionnelles du signal neuronal. Ce phénomène est alors abordé comme un problème de détection de point de changement. Nous utilisons le calcul opérationnel qui permet d’une part d’acquérir une structure pratique pour traiter de telles dérivées distributionnelles, et d’autre part de caractériser la présence d’un point de changement à un moment bien précis. Après avoir développé l’analyse de potentiels d’action, nous abordons le problème de leur tri. Nous avons développé un algorithme simple de tri pour les cas où les enregistrements multi-canaux sont disponibles. L’algorithme utilise alors une application itérative de l’ICA et une technique de déflation au sein de deux boucles imbriquées. Finalement, nous discutons des propriétés du codage neuronal. Nous étudions si la nature du code neuronal est discrète ou continue. Par ailleurs, si elle est discrète, nous cherchons à savoir si les éléments du code sont tirés d’un alphabet fini. Nous abordons particulièrement le schéma de codage de la position des impulsions, faisant ainsi un lien entre la théorie de la communication et le codageneuronal.

In this thesis we bring together advanced mathematical tools and signalprocessing methods to address three very important problems in neuroscience:neural action potential (spike) detection, neural spike sorting and directlyneural coding. Starting from extracellular neural recordings, we first address the question of spike detection. The spike time occurrences appear (as irregularities) explicitly inthe distributional derivatives of the neural signal. The problem is seen as a change point detection problem. Using operational calculus, which provides a convenient framework to handle such distributional derivatives, we characterize the time occurrence of a spike by an explicit formula. After spike detection we address the spike sorting problem. We developed a simple algorithm for a case when multi-channel recordings are available. The algorithm uses an iterative application of ICA and a deflation technique in two nested loops. In each iteration of the external loop, the spiking activity of one neuron is singled out and then deflated from the recordings. The internal loop implements a sequence of ICA and spike detection for removing the noise and all the spikes that are not coming from the targeted neuron. Finally, we discuss on properties of the neural code. We investigate whether the nature of the neural code is discrete or continuous. Moreover, if it is discrete, whether the elements of the code are drawn from a finitealphabet. We particularly address pulse-position coding scheme, making alink between communication theory and neural code.