ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE

Ders Bilgi Formu ( BYM 520 )


   Temel bilgiler
Ders adı: Hesaplamalı Nörobilim
Ders kodu: BYM 520
Öğretim üyesi: Prof. Dr. Muhammet UZUNTARLA
AKTS kredisi: 7.5
GTÜ kredisi: 3 (3+0+0)
Yılı, Dönemi: 1/2, Güz
Dersin düzeyi: Yüksek lisans
Dersin tipi: Alan seçmeli
Öğretim dili: İngilizce
Öğretim şekli: Yüz yüze
Ön koşullar: Yok
Staj durumu: Yok
Dersin amacı: İnsan beynindeki 100 milyar sinir hücresi, dış dünyadaki yüksek miktardaki bilgiyi aşamalı olarak işleyerek karmaşık bilişsel süreçleri desteklemektedir. İleri derecede gelişmiş görsel algı sürecindeki her aşama, retinaya düşen görüntülerden nesne tanısına yönelik görsel özellikleri çıkartan bir hesaplama ünitesidir. Bu nedenle, görme korteksinin farklı aşamalarının beyin üzerinde yerellenmesi ve her aşamada işlenen bilgi türlerinin saptanması günümüzün en önemli sinirbilim problemlerindendir.

Bu önemli soruları cevaplamak için yenilikçi fonksiyonel manyetik rezonans görüntüleme (fMRG) ve makine öğrenme teknikleri geliştirmekteyiz. Geliştirdiğimiz özgün teknoloji ile doğal görme, işitme ve dil algısı sırasında oluşan sinirsel tepkileri benzeri olmayan bir hassasiyetle saptanabilmektedir. Beynin alt sistemlerinin yapı ve işlevinin detaylı incelenmesinin yanı sıra, bu teknikler beyin okumayı -algı içeriklerinin beyin aktivitesinden geri çözümlenmesini de mümkün kılmaktadır.

Örnek bir uygulama alanı insan beyninde görme korteksinin matematiksel modellerinin çıkarılarak haritalanmasıdır. Her ne kadar gerçek dünya sahneleri birçok farklı nesneyle karışık olsa da, insanlar doğal ortamlarda hedef nesneler bulma ve dikkatlerini farklı hedefler arasında hızla değiştirme konusunda son derece beceriklidir. Bu olağanüstü yeteneğe aracılık eden kesin sinirsel mekanizmalar henüz bilinmemektedir. Önceki çalışmalar, bilginin her beyin bölgesinde temsil edilme şeklini etkilemeden, katılan nesnelerin uyandırdığı beyin aktivitesinin kalitesini artıran nispeten basit mekanizmalar bildirmiştir. Bununla birlikte, sınırlı sayıda kortikal nöron olduğu için, tüm beyin bölgelerinin davranışsal taleplere bakılmaksızın sabit temsiller tutması pek olası görünmemektedir.

Görsel arama sırasında nöral gösterimlerin doğasını incelemek için, karmaşık doğal filmler ve görsel bilgi ile beyin aktivitesi arasındaki ilişkiyi tanımlamak için güçlü bir hesaplama modelleme tekniği geliştirmekteyiz. Yüksek boyutlu görüntüleme verileri ile aynı seviyede yüksek boyutlu görsel uyaranlar arasındaki bağıntıları, ileri makine öğrenme teknikleriyle çözümlüyoruz.
Bu ders, sinirsel bilgilerin şifrelenmesi ve kodunun çözülmesi için gerekli matematiksel modelleri ve istatistiksel analiz yöntemlerini değerlendirmeyi amaçlar.
   Öğrenme çıktıları Yukarı

Bu dersi başarıyla tamamlayan öğrenciler, şu yetilere sahip olurlar:

  1. Nöral sistemlerin anatomi, fizyoloji ve fonksiyonel organizasyonlarına ilişkin terminolojiyi kullanabilir

    Program Çıktılarına Katkıları

    1. Biyomühendislik ve biyoteknoloji alanlarındaki bilgilerini lisans yeterliliklerine dayalı uzmanlık düzeyinde geliştirebilme

    Değerlendirme Tipi

    1. Yazılı sınav
  2. Hesapsal yöntemler kullanarak nöronların elektriksel davranışlarını hücresel düzeyde ve popülasyon seviyesinde modelleyebilir

    Program Çıktılarına Katkıları

    1. Biyomühendislik alanındaki mühendislik problemlerini daha üst düzeyde tanımlayabilme, modelleme ve çözme becerisi
    2. İleri mühendislik uygulamaları için güncel teknikleri ve hesaplama araçlarını kullanma becerisi
    3. Biyomühendislik alanında uzmanlık gerektiren problemleri bilimsel araştırma yöntemlerini kullanarak çözebilme

    Değerlendirme Tipi

    1. Yazılı sınav
  3. Sinaptik plastisite kavramını ve bilişsel beyin fonksiyonlarının nörofizyolojisini açıklayabilir

    Program Çıktılarına Katkıları

    1. Biyomühendislik ve biyoteknoloji alanlarındaki bilgilerini lisans yeterliliklerine dayalı uzmanlık düzeyinde geliştirebilme
    2. Biyomühendislik ve biyoteknoloji alanında bir problem için deney oluşturabilme, çözüm yöntemi geliştirebilme, çözebilme, sonuçları değerlendirebilme ve sentez becerisine sahip olabilme
    3. Yaratıcı ve eleştirel düşünme, inisiyatif alma ve karar verme gibi üst düzey zihinsel süreçleri kullanarak araştırmacı, üretken ve girişimci kapasiteye sahip olmak.

    Değerlendirme Tipi

    1. Yazılı sınav
   İçerik Yukarı
1. hafta: Geleneksel nörobilim ve hesaplamalı nörobilim
2. hafta: Nörobilimin cevap aradığı güncel problemler
3. hafta: Nöronların ve sinapsların anatomi ve fizyolojisi
4. hafta: Beynin anatomik ve fonksiyonel organizasyonu
5. hafta: Nöronların elektriksel özellikleri, aksiyon potansiyeli, iyon kanalları
Proje konusunun duyurulması
6. hafta: Matematiksel modelleme
Ara sınav
7. hafta: Nöron ve sinapsların matematiksel modelleri
8. hafta: Kompleks nöral ağlar, popülasyon modelleme
9. hafta: Nöronal gürültü
10. hafta: Biyolojik nöral ağlar
11. hafta: Kısa ve uzun dönem sinaptik plastisite
12. hafta: Patalojik durumda sinaptik plastisite
13. hafta: Sinaptik plastisite ve öğrenme
14. hafta: Sinaptik plastisite ve bellek
Proje sunumları
15. hafta*: -
16. hafta*: Final sınavı
Ders kitapları ve materyaller: Peter Dayan and L.F. Abbott, "Theoretical neuroscience: Computational and mathematical modeling of neural systems", MIT Press, Cambridge, 2001.

William W. Lytton, "From computer to brain: foundations of computational neuroscience", 2002.
Önerilen kaynaklar: Bruce Katz, "Neuroengineering the future", Infinity Science Press, Ingham, 2008.

Eugene M. Izhikevich, "Dynamical systems in neuroscience: The geometry of excitability and bursting", MIT Press, Cambridge, 2007.

Eric R. Kandel, John D. Koester, Sarah H. Mack, Steven A. Siegelbaum, "Principles of neural science", McGraw-Hill, New York, 2012.
  * 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.
Değerlendirme Yukarı
Değerlendirme tipi Hafta numarası Ağırlık (%)
Ara sınavlar (Vizeler): 6 30
Dönem içi diğer çalışmalar: - 0
Proje: 5-14 20
Ödev: - 0
Kısa sınav (Quiz): - 0
Final sınavı: 16 50
  Toplam ağırlık:
(%)
   İş yükü Yukarı
Etkinlik Süre (Haftalık saat) Toplam hafta sayısı Dönem boyu toplam iş yükü
Dersler (Yüz yüze öğretme): 3 14
Ders dışı bireysel çalışma: 5 14
Uygulama, Rehberli problem çözme: 0 0
Ödev: 0 0
Dönem projesi: 6 10
Dönem projesi sunumu: 1 1
Kısa sınav (Quiz): 0 0
Ara sınav için bireysel çalışma: 5 1
Ara sınav (Vize): 2 1
Final sınavı için bireysel çalışma: 5 1
Final sınavı: 2 1
    Toplam işyükü:
    Toplam AKTS kredisi:
*
  * AKTS kredisi, toplam iş yükünün 25'e bölümüdür. (1 AKTS = 25 saatlik iş yükü)
-->