NEURAL SIGNAL ANALYSIS

NEURAL SIGNAL ANALYSIS

_
iten
Ultimo aggiornamento 15/06/2021 20:30
Codice
106739
ANNO ACCADEMICO
2021/2022
CFU
6 cfu al 1° anno di 11159 BIOENGINEERING (LM-21) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/06
SEDE
GENOVA (BIOENGINEERING)
periodo
2° Semestre
materiale didattico

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

Modalità 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

Ricevimento: Su appuntamento gabriele.arnulfo@edu.unige.it

Ricevimento: MICHELA CHIAPPALONE. Su appuntamento: Tel. 0103352991 or michela.chiappalone@unige.it

LEZIONI

Modalità didattiche

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

ORARI

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

ESAMI

Modalità 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.

 

 

Modalità 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