Navigation

Abschlussaufgabe

downloads:

pdf-Version dieser Seite:  Abschlussaufgabe.pdf

word-Version dieser Seite: Abschlussaufgabe.doc Abschlussaufgabe.docx

English versions: FinalTask.pdf FinalTask.doc FinalTask.docx

Daten: [CellResp.mat] [StimVec.mat]

Auf der Grundlage Ihrer Lösung der Abschlussaufgabe werden wir Ihre Noten festlegen.
Wer keine Abschlussaufgabe abgibt, aber vorher regelmäßig (mindestens 70% der Zeit) anwesend war, Lösungen der Übungsaufgaben abgegeben und im Seminar vorgestellt hat, kann:

  • von mir entweder einen unbenoteten Teilnahmenachweis bekommen, der aber nicht als Studienleistung angerechnet werden kann
  •  oder wahlweise (bei erfolgreicher Teilnahme an den Übungen) eine Benotung mit "Ausreichend" bekommen.

Spielregeln:

  • Die Abschlussaufgabe wird in Einzelarbeit gelöst.
  • Hilfsmittel (z.B. Matlab-Hilfe, Wikipedia...) sind erlaubt (solange es sich nicht um andere Kursteilnehmer, den großen Bruder oder eine fertige aus dem Netz gezogene Lösung handelt).
  • Bei Fragen stehen die TutorInnen Sirko Straube (sirko.straube@uol.de) und Julia Furche (julia.furche@mail.uni-oldenburg.de) und ich (jutta.kretzberg@uol.de, Raum W4-0-078, Tel 798 3314) zur Verfügung.
  • Ich akzeptiere auch Teillösungen und nicht in Programmcode umgesetzte Lösungsideen. Allerdings hätte ich bei nicht lauffähigen Programmen gerne eine ausführliche Dokumentation, was nicht läuft.
  • Lösungen müssen bis zum 11.10.2009 per email bei mir eingehen: jutta.kretzberg@uol.de Ich bestätige den Eingang der Lösungen per email.
  • Ich melde mich, wenn ich die Aufgaben nachgesehen habe und vergebe dann bei Bedarf Termine, an denen wir uns noch einmal kurz darüber unterhalten. (Es kann durchaus einige Wochen dauern, bis ich alle durchgesehen und verglichen habe.)

Notenkriterien:

  • Vollständigkeit und Lauffähigkeit der Lösung
  • Umfang der Erweiterungen
  • Allgemeinheit (Anwendbarkeit auch auf andere Datensätze)
  • Dokumentation (Kommentare, Hilfetexte, aussagekräftige Variablennamen etc)
  •  “Eleganz” des Lösungswegs (z.B. Strukturierung in Unterprogramme, sinnvolle Wahl von Ein- und Ausgabeparametern, Schleifen vs. Vektor-Lösungen)
  • Gestaltung der Interaktion mit dem Benutzer (z.B. Abfragen, Bildschirmausgaben, Abbildungsbeschriftung)
  • Fehlertoleranz (Abfangen von unsinnigen Eingabeargumenten oder Benutzereingaben)

Aufgabe SS 2009:

Ihre Aufgabe ist es, zwei Auswertemethoden für die Analyse neuronaler Messdaten zu programmieren.
Ich würde Ihnen raten, als erstes die Vorbereitungs-Aufgaben zu bearbeiten. Diese werden Ihnen sehr bei der Lösung der eigentlichen Aufgaben helfen. Dann sollten Sie für beide Methoden zunächst die Grundversion der Programme schreiben und erst wenn diese zu Ihrer Zufriedenheit laufen die Erweiterungen angehen.

Hintergrund:

Neurone (Nervenzellen) übertragen Informationen durch Änderungen ihrer Membranspannung. Sie kommunizieren mit einander, indem sie sogenannte Aktionspotentiale (auch Spikes genannt) auslösen. Das sind schnelle, stereotype Änderungen der Membranspannung, die ungefähr eine Millisekunde lang andauern. Da die Aktionspotentiale eines Neurons immer wieder sehr ähnlich aussehen, wird davon ausgegangen, dass nicht die genaue Form der Spannungsänderung entscheidend ist, sondern lediglich die Frage, ob eine solche Spannungsänderung aufgetreten ist oder nicht.

Aktionspotentiale werden unter anderem dazu genutzt, Informationen über visuelle Eindrücke (Bilder) vom Auge an das Gehirn zu übertragen. Im Gehirn muss dann mit Hilfe der Aktionspotentialsequenzen vieler Tausend retinaler Ganglienzellen herausgefunden werden wie das Bild aussah, das diese Antworten ausgelöst hat. Dadurch entsteht unser Eindruck des Sehens (bzw der des Versuchstieres).

In den Neurowissenschaften ist es eine wichtige Fragestellung, wie das Gehirn diese Aufgabe löst: Welche Eigenschaften der neuronalen Aktionspotentialsequenzen kodieren den Reiz? Die meisten Neurowissenschaftler gehen davon aus, dass insbesondere die Spikerate, also die Anzahl der Aktionspotentiale, die in einem Zeitraum bestimmter Länge auftreten, dabei eine wichtige Rolle spielt. Der Ansatz ist also, einen Zusammenhang zwischen einem Reizparameter (in unserem Fall ist es die Geschwindigkeit eines bewegten Punktmusters) und der neuronalen Antwort, gemessen als Anzahl Spikes in einem Zeitfenster, zu finden.


Datensatz:

Bei den in der Matrix [CellResp.mat] abgespeicherten Beispieldaten handelt es sich um echte Messungen der Antworten von retinalen Ganglienzellen. In diesem Datensatz sind die gleichzeitig aufgenommenen Antworten von 20 retinalen Ganglienzellen abgelegt. Die Aufnahme dauerte 180 Sekunden und wird in der Matrix in Schritten von 1 ms Länge dargestellt. In der Matrix gibt es nur zwei verschiedene Werte: Wenn an der Stelle CellResp(17, 3089) eine 1 steht bedeutet das, dass das Neuron mit der Nummer 17 im Zeitschritt 3089 ein Aktionspotential ausgelöst hat. Steht dort eine 0, hat es zu dieser Zeit kein Aktionspotential gegeben. (Sie werden sehen, dass es sehr viel mehr Nullen als Einsen gibt)

Diese Antworten wurden durch ein bewegtes Punktmuster ausgelöst. Dieses Muster bewegte sich jeweils für 500 ms mit einer konstanten Geschwindigkeit in eine konstante Richtung. Danach änderte es zufällig seine Geschwindigkeit und manchmal auch seine Richtung, um wiederum für 500 ms gleich zu bleiben. Die Bewegung erfolgte jeweils in einer von 9 möglichen Geschwindigkeiten:
-2.5, - 1.875, -1.25, -0.625, 0, 0.625, 1.25, 1.875, 2.5 [mm/s]
Das Vorzeichen zeigt dabei an, in welche der beiden möglichen Richtungen (links oder rechts) sich das Muster bewegt hat. 0 bedeutet, dass das Muster gestanden hat. Die Abfolge der Reizbewegung ist im Vektor [StimVec.mat] abgespeichert. Jede Zahl in diesem Vektor steht für eine 500ms lang andauernde Reizung aller 20 Zellen des Datensatzes.

Vorbereitung:

Ich würde vorschlagen, dass Sie sich vor Beginn der eigentlichen Aufgaben erstmal etwas mit dem Datensatz vertraut machen. Das ist insofern nicht ganz so einfach, als der Datensatz ziemlich groß ist. Berechnen Sie zur Übung:
a.    Wie viele Aktionspotentiale hat jedes der Neurone insgesamt erzeugt?
b.    Wie viele Aktionspotentiale hat jedes der Neurone innerhalb der ersten 500 ms (also während der ersten Präsentation einer konstanten Geschwindigkeit) erzeugt?
c.    Wie viele Aktionspotentiale haben alle Neurone zusammen während der ersten 500 ms erzeugt?
d.    Wurden in diesem Zeitraum mehr Aktionspotentiale in der ersten oder in der zweiten 250 ms langen Hälfte erzeugt?
e.    Sehen Sie sich mit imagesc die Antworten aller Neurone innerhalb der ersten 500 ms an. (Jedes Aktionspotential erscheint als ein roter Strich auf blauem Grund.) Entspricht das was Sie sehen den von Ihnen berechneten Zahlen?
f.    Wie oft wurde jede der 9 verschiedenen Geschwindigkeiten präsentiert?
g.    Erzeugen Sie einen Vektor, der in Millisekunden-Zeitschritten die jeweils vorliegende Geschwindigkeit enthält und stellen Sie diesen grafisch dar. (Welche Länge muss er haben?) Sehen Sie sich auch die ersten 10 Sekunden als Vergrößerung an.
h.    Wie viele Aktionspotentiale hat das dritte Neuron erzeugt, als zum ersten Mal der Stimulus -2.5 gezeigt wurde?
i.    Wie viele Aktionspotentiale hat das dritte Neuron bei jeder der Präsentationen der Geschwindigkeit -2.5 erzeugt?


Aufgabe 1: Tuningkurven

Eine Tuningkurve gibt an, wie die Anzahl der von einem Neuron ausgelösten Aktionspotentiale von einer Stimuluseigenschaft abhängt. In unserem Fall möchten wir also für jede der 9 Geschwindigkeiten herausbekommen, wie viele Aktionspotentiale ein Neuron typischer Weise als Antwort während der 500 ms langen Reizung generiert.

Schreiben Sie eine Funktion, die für ein einzelnes Neuron grafisch Mittelwert und Standardabweichung der Antworten gegen die Werte der Geschwindigkeit des Reizmusters aufträgt.


Aufgabe 2: Populationsantworten

Unter einer Populationsantwort versteht man die über alle bekannten Neuronen gemittelte Antwort auf eine Reizung. Es wird dabei davon ausgegangen, dass es unerheblich ist, welches Neuron welches Aktionspotential generiert hat.

Schreiben Sie zunächst ein Programm, dass die über die gesamte Population gemittelte Anzahl Aktionspotentiale für jede der 500 ms langen Antwortsequenzen berechnet. (Es ergibt sich also für jeden 20x500 Matrixteil eine Zahl). Stellen Sie die zeitliche Abfolge der gemittelten Antworten grafisch dar. (Denken Sie an sinnvolle Abbildungsbeschriftung.)
Gestalten Sie Ihr Programm so flexibel, dass es nicht nur für 500 ms lange Teilstücke funktioniert, sondern für beliebige vom Benutzer übergebene Zeitfenster.


Erweiterungsmöglichkeiten:

Generell:

a.    Denken Sie daran, Ihre Programme möglichst allgemein zu halten. Sie sollten so geschrieben sein, dass sie mit möglichst wenig nachträglichem Aufwand auch für den nächsten Datensatz verwendbar sein sollten. Dieser kann z.B. eine andere Anzahl Zellen, andere Abfolge der Stimulation oder sogar Stimuli anderer Länge enthalten.
b.    Schreiben Sie Ihre Programme so, dass sie für den Benutzer angenehm zu benutzen sind. Überlegen Sie sich, was für den Benutzer an Ausgaben interessant sein könnte und an welchen Stellen er durch Angabe von Werten Einfluss auf den Programmablauf nehmen sollte.
c.    Sonder-Zusatzaufgabe: Wenn Sie viel Zeit und Interesse daran haben, können Sie eine grafische Benutzeroberfläche programmieren. Das Stichwort für die Hilfe ist GUI (graphical user interface), es gibt dort ein tutorial, in dem gezeigt wird, wie es geht – das ist allerdings nicht ganz einfach und braucht sicher einiges an Zeit. (Auch für ein “sehr gut“ absolut nicht nötig.)

Tuningkurven:

d.    Benutzen Sie Ihre Funktion zur Bestimmung einer Tuningkurve um für alle Neuronen Tuningkurven zu berechnen und darzustellen. Wahlweise können Sie auch einen Benutzerdialog programmieren, bei dem der Benutzer auswählen kann, welche Tuningkurven dargestellt werden sollen.
e.    Betrachten Sie die Verteilungen der Antworten einzelner Neurone auf wiederholte gleiche Reizung. Ist es für die Tuningkurven dieser Neurone sinnvoller den Median zu verwenden als den Mittelwert?
f.    Das Tuning muss sich nicht unbedingt auf den gesamten Antwortzeitraum auf einen Reiz beziehen. Verallgemeinern Sie Ihre Programme so, dass auch kürzere Zeitfenster (z.B. nur die jeweils ersten 100 ms nach Reizänderung) verwendet werden können. Unterscheidet sich das Tuning für verschiedene Fensterlängen? Unterscheidet es sich, wenn man nicht den Beginn, sondern jeweils das Ende der Antworten betrachtet (also z.B. die jeweils letzten 100 ms).
g.    Bestimmen Sie durch Kurvenanpassung mathematische Funktionen, die die Formen der einzelnen Tuningkurven beschreiben. Welchen Grad sollte man für die Funktionen wählen? Wie unterscheiden sich die für die einzelnen Neuronen gefundenen optimalen Formeln?
h.    ** Man kann die Tuningkurven der Neurone grob in zwei Klassen unterteilen: Neurone mit symmetrischem Tuning (etwa gleiche Spikeraten für Bewegung in beide Richtungen) und richtungssensitive Neurone (die auf Bewegung in eine der Richtungen mit mehr Spikes antworten). Überlegen Sie sich ein Kriterium und einen Weg der automatischen Klassifikation, um die einzelnen Neuronen jeweils einer der beiden Klassen zuzuordnen.


Populationsantwort:

i.    Passen Sie Ihr Programm so an, dass es auf der x-Achse der Abbildung die Zeit in Sekunden anzeigt und für unterschiedlich lange zur Mittelung benutzte Zeitfenster trotzdem gleich lange Vektoren der gemittelten Antworten erzeugt.
j.    Variieren Sie systematisch die Länge des zur Mittelung benutzten Zeitfensters. Sieht man eine zeitliche Antwortstruktur auch innerhalb der 500 ms langen Blöcke jeweils gleicher Reizung? Was ist das kürzeste Zeitfenster, für das man die Methode noch sinnvoll anwenden kann?
k.    Bestimmen Sie für jede der 9 Geschwindigkeiten mit einem relativ kurzen Zeitfenster (z.B. 20 ms oder 50 ms) den Zeitverlauf der über alle Präsentationen und alle Zellen gemittelte Populationsantwort.
l.    ** Überlegen Sie sich einen Weg, wie man mit Hilfe dieses mittleren Zeitverlaufs für jeden der 9 Geschwindigkeitswerte die Populationsantwort auf einen einzelnen Reiz klassifizieren kann. Stellen Sie sich also die gleiche Aufgabe wie das Gehirn und versuchen Sie anhand der Populationsantwort auf einen Reiz herauszubekommen, um welchen Reiz es sich handelt. Machen Sie eine Statistik darüber, wie oft Ihr Programm den richtigen Reiz erraten kann.






We0r3bmaste93jkur:ol3x Judcttyqnsa Khf8rkretzbzkcerght9o (jutvrxtav7ykr.kretzberg@u8wuirol.deps4) (Stand: 07.11.2019)