Salta al contenuto principale della pagina

NEURAL SIGNAL ANALYSIS

CODICE 106739
ANNO ACCADEMICO 2022/2023
CFU
  • 6 cfu al 1° anno di 11159 BIOENGINEERING(LM-21) - GENOVA
  • 6 cfu al 2° anno di 11159 BIOENGINEERING(LM-21) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE ING-INF/06
    LINGUA Inglese
    SEDE
  • GENOVA
  • PERIODO 2° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    I segnali cerebrali svolgono un ruolo centrale nel campo della neuroingegneria. Questo corso tratterà i metodi fondamentali per analizzare e interpretare i segnali cerebrali a diverse scale (dalla microscala del singolo neurone fino alla macroscala dell'intero cervello). Gli studenti capiranno come vengono generati i segnali cerebrali, saranno in grado di distinguere tra diverse metodologie di acquisizione dei segnali stessi e impareranno ad applicare tutti gli strumenti per analizzare, interpretare e discutere i dati cerebrali.

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    The course will revise the most common techniques for neural signal analyses. During the course, students will learn about the origin of neuronal signals, how to manipulate signals at different scales (from single to multiple cells, to whole brain activity). the course will be composed of lectures, working-code examples, and hands-on session

    OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

    Obiettivo 1. Comprendere le basi neurofisiologiche e il meccanismo di generazione dei segnali cerebrali. Risultati di apprendimento per l'Obiettivo 1. Gli studenti saranno in grado di descrivere come vengono generati i diversi tipi di segnali neurali, alle diverse scale spazio-temporali (micro-meso-macro/large). Saranno in grado di distinguere tra diversi tipi di segnali cerebrali, descrivendo anche le metodologie di registrazione tipicamente utilizzate per acquisirli.

    Obiettivo 2. Estrarre informazioni dai segnali cerebrali. Risultati di apprendimento per l'Obiettivo 2. Gli studenti saranno in grado di identificare le fasi ottimali di pre-elaborazione, definire strategie di estrazione delle caratteristiche dei segnali sulla base di esempi e casi reali. Saranno in grado di applicare in modo appropriato algoritmi e metodi, impararne l'implementazione, l'ottimizzazione e i punti deboli.


    Obiettivo 3. Problem solving in casi reali di analisi di segnali neurali. Risultati di apprendimento per l'Obiettivo 3. Durante i gruppi di lavoro, gli studenti acquisiranno la capacità di risolvere problemi specifici di analisi dei dati applicando le tecniche acquisite durante il corso. I gruppi di lavoro saranno organizzati in modo tale che diversi studenti assumano ruoli diversi come nei veri team di laboratorio.

    PREREQUISITI

    Matlab, basi di neurofisiologia e neuro anatomia, fisica, matematica

    MODALITA' DIDATTICHE

    lezioni frontali sia in modalità classica che flipped-class. Problem based learning con progetti da svolgere autonomamente in gruppi di lavoro.

    PROGRAMMA/CONTENUTO

    Micro-scale 

    1.  Introduction to neural signal analysis and applications (point process definition)

    2. Spike detection: definition, performance evaluation

    3. Spike sorting

    4. Spike Analysis (basic statistical properties and more advanced ones)

    5. Burst detection and Analysis

    6. Neural Avalanches

    7. Cross-correlation

    8. Connectivity

     

    Meso-scale

    1. Generating mechanisms for field potentials - from single neurons to neural ensembles

    2. Spectral feature analyses, separating oscillations from 1/f-like activity

    3. Volume conduction, signal leakage, ghost interactions

    4. Phase synchronization, amplitude correlation: how to separate phase from amplitude modulation, their interpretation - the communication through coherence framework

    5. Cross frequency coupling 

     

    Large-scale

    1. From meso-to-macro scale recording: acquisition set up, physical basis and interpretations of electrical and magnetic field potentials

    2. The Electrical source imaging (ESI): forward and inverse solution for EEG

    3. Large-scale brain networks, their construction and characterization in the context of human brain mapping and connectomics

    4. Cortical travelling waves and neural avalanches 

    5. The critical brain hypothesis

    TESTI/BIBLIOGRAFIA

        Analyzing neural time series - Micheal X Cohen

    DOCENTI E COMMISSIONI

    Commissione d'esame

    GABRIELE ARNULFO (Presidente)

    VITTORIO SANGUINETI

    MICHELA CHIAPPALONE (Presidente Supplente)

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    L'esame sarà composto da prove da svolgere in gruppo (group-based learning) e da un esame orale. Gli studenti si divideranno in piccoli gruppi (max 3 studenti) e questi gruppi parteciperanno ad attività pratiche al calcolatore durante tutto il semestre. Ogni prova verrà valutata per la sua completezza, originalità e qualità.

     

     

    MODALITA' DI ACCERTAMENTO

     

    L' Obiettivo 1. verrà principalmente valutato durante la prova orale nella quale gli studenti dovranno saper discutere criticamente i diversi metodi presentati a lezione.

    Gli Obiettivi 2 e 3 saranno valutati durante le prove pratiche e le consegne secondo una griglia di valuazione condivisa

     

    Calendario appelli

    Data Ora Luogo Tipologia Note
    20/01/2023 14:30 GENOVA Orale
    10/02/2023 14:30 GENOVA Orale
    29/05/2023 14:30 GENOVA Orale
    12/06/2023 14:30 GENOVA Orale
    17/07/2023 14:30 GENOVA Orale
    01/09/2023 14:30 GENOVA Orale
    14/09/2023 14:30 GENOVA Orale