Anda di halaman 1dari 7

ANLISIS Y SIMULACIN EN MATLAB DE UNA NEURONA CON EL MODELO

FITZHUGH-NAGUMO (FHN)

CRISTIAN CAMILO SOLRZANO JAIMES

csolorzanoj@ucentral.edu.co

RESUMEN

En este trabajo se realiz una descripcin bsica sobre la estructura y funcionamiento de una
clula nerviosa, analizando las propiedades de excitacin de la membrana mencionada y la
variacin de los voltajes a travs de la misma, durante la ocurrencia del fenmeno llamado
potencial de accin o impulso nervioso. La representacin de los datos se demuestra la
actividad elctrica celular y anlisis terico en trminos del modelo matemticos (FHN), con
base en este sistema se realiza un sistema de ecuaciones diferenciales no lineales. Donde se
analiza el ms simple del fenmeno de excitabilidad, que observa trminos de un sistema de
dos ecuaciones diferenciales ordinarias, por otro lado se ensea un fenmeno no lineal que
tiene lugar en el contexto biolgico, en el cual estamos basando el anlisis de este proyecto.

1. INTRODUCCIN

El cerebro es un sistema complejo en el cual se constituye uno de los grandes desafos de la


ciencia moderna. Por lo cual es factible el uso de modelos matemticos para entender el
funcionamiento del cerebro. Un anlisis del estudio al cerebro, se estudia con la aproximacin
de un modelo matemtico, donde se observan el estudio fundamental de las clulas de este
rgano. (Las neuronas).

El trabajo realizado por Richard FitzHugh, constituy un gran avance. Con base en el trabajo
anterior de Balthazar van der Pol, se propuso una simplificacin del modelo de Hodgkin y
Huxley. Este modelo consta de dos ecuaciones diferenciales de primer orden, una lineal y la
otra cbica. Este sistema permite una intuicin cualitativa del fenmeno de excitabilidad o
perturbacin externa. Simultneamente el trabajo de FitzHugh, y el investigador japons Jin-
ichi Nagumo propuso, una anlisis neuronal, en circuito elctrico no lineal, gobernado por un
sistema de dos ecuaciones tambin semejantes a las de van der Pol. Este modelo trasciende el
mbito de la Biofsica, siendo de inters para los profesionales de otras ramas de la ciencia que
necesitan comprender la constelacin de fenmenos no lineales, que son concomitantes al
fenmeno de excitabilidad. Consulta http://www.dynamics.unam.edu.

2. MODELO DE FITZHUGH-NAGUMO

Las caractersticas del potencial de accin y su dinmica, son modeladas en Matlab, con el cual
se analiz con el siguiente cdigo:

clear all
clc
v0=0.9;w0=0.006;
a=0.1;d=0.5;eps=0.01;I0=.05;
Y0=[v0,w0];
tf=4000;
t1=0:1:tf;
dydt_FHN=@(t,Y)[Y(1)*(a-Y(1))*(Y(1)-1)-Y(2)+I0;eps*(d*Y(1)-Y(2))];
%eva=-v*(v-a)*(v-1)-w+I0;
options=odeset('RelTol',1.e-5);
[T, Y]=ode45(dydt_FHN,t1,Y0,options);
res=Y(:,1)+Y(:,2);
[peak_value, peak_location]=findpeaks(res);
PA=T(peak_location(3))-T(peak_location(2));
Iphi=(peak_location(3)-peak_location(2));
figure(1)
plot(T,res)
hold on
plot(T(peak_location),peak_value,'r*')
datos=zeros(190,100);
%%primer_datos%%
j=0;r
for k=0.01:0.01:0.5;
j=j+1;
per=k;
PN=[];
for i=peak_location(1):1:peak_location(2)

t2=t1(i):1:tf c
[T2, Y2]=ode45(dydt_FHN,t2,[Y(i,1)+per,Y(i,2)],options);
sol2=Y2(:,1)+Y2(:,2);
[pv,pl]=findpeaks(sol2);

figure(1)
plot(t2,res2)
plot(T2(pl),pv,'*','color',[rand rand rand])
hold on

P=(T(peak_location(length(peak_location)-1))-T2(pl(length(pl)-1)))/PA;

PN=[PN P];
phi=linspace(0,1,length(PN));

end
for h=1:1:190

datos(h,j)=phi(h);
end
j=j+1;

figure(2)
phiprima=phi+PN;

for h=1:1:190

datos(h,j)=phiprima(h);
end
plot(phi,phiprima,'r');
hold on
plot(phi,phi)
axis([0 1 0 1])
end
Las curvas que establecen estas ecuaciones estn en el espacio de estados (v; w); llamadas
curvas ceroclinas del sistema. Son estas que se visualizan el lugar geomtrico de los puntos del
espacio en el campo vectorial asociado al sistema.

clc
estimulo = 100000;
phi = 0.1;
z=1;
datos1;
total = zeros(estimulo,1);
datos2=zeros(100,1160);
VarName1;
VarName2=zeros(190,1);
%0.25a 2.5 con pasos de 0.05
for f=2:2:50

for j=1:1:190
VarName2(j,1)=datos1(j,f);
end

for k=0.25:0.05:2.5
%%periodo%%
for i=1:estimulo
fun = mod(phi + k,1);
y = interp1(VarName1,VarName2,fun,'linear');
phi=y;
total(i,1)= fun;
end
y = total;
for r=1:1:100
datos2(r,z)=total(r+999899);
end
z=z+1;
end%% fin periodo %%
end

En este cdigo se van observando los estmulos que van tomando los datos de estimulacin, en
las figuras 1, figuras 2, figuras 3, figuras 4, figuras 5 y figuras 6 se observa la variacin de cada
estimulo.
1er perturbacin 0.01
12

10

0
0 2 4 6 8 10 12

Figura 1. 1er estimulo o perturbacin

2da perturbacin
12

10

0
0 2 4 6 8 10 12

Figura 2. 2da estimulo o perturbacin


3er pertubacin
12

10

0
0 2 4 6 8 10 12

Figura 3. 3er estimulo o perturbacin

4ta perturbacin
12

10

0
0 2 4 6 8 10 12

Figura 4. 4ta estimulo o perturbacin


5ta perturbacin
12

10

0
0 2 4 6 8 10 12

Figura 5. 5ta estimulo o perturbacin

6ta perturbacin
12

10

0
0 2 4 6 8 10 12

Figura 6. 6ta estimulo o perturbacin

3. SIMULACIONES MATLAB

Para el anlisis y la comprensin de la dinmica del sistema, fue necesario combinar el anlisis
cualitativo de las simulaciones computacionales. Estos clculos requieren las simulaciones, con
el cual se obtienen las grficas que involucran el sistema de software MATLAB. Este software
sirve para analizar, visualizar el procedimiento cualitativo de sistemas dinmicos.

4. CONCLUSIONES

En este proyecto se observ el anlisis y comportamiento del modelamiento


matemtico de la estimulacin neuronal.
Con la ayuda del software Matlab, se analiz el modelamiento de un sistema neuronal,
sin necesidad que se fuera a un laboratorio, es una herramienta que nos orienta a un
sistema real.
Aunque fue un anlisis computacional se demor mucho en encontrar los datos, ya
que el procesador del pc es bsico.
EL Excel Biofisica Datos es la primera parte de donde se encuentran los 50 estmulos
desde 0.01 hasta 0.5, el tiempo es el mismo, donde se repite en las columnas impares, los
datos estn en las columnas impares.

El Excel Datos Finales, son los archivos correspondientes a la segunda parte del proyecto,
cada estimulo se correr para 46 periodos desde 0.01 a 2.5, esto signific que cada cuanto
se est dando el estmulo, por ejemplo si es 0.2 significa que al 20% del periodo le est
dando los estmulos.

Se analizo 100 datos, aunque realmente se tomaban 1 milln de datos para los modos, pero
para optimizar el proceso se tomo los ltimos 100, se puede ver perfectamente los modos
de sincronizacin, se tiene que contar 46 columnas para saber cul es el siguiente estimulo.

Anexos
Excel Biofisica Datos.
Excel Datos Finales.
Primera parte FHN
Segunda parte