Popis předmětu - BEAM33NIN

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
BEAM33NIN Neuroinformatics
Role:PV Rozsah výuky:2P+2C
Katedra:13133 Jazyk výuky:EN
Garanti:Novák D. Zakončení:Z,ZK
Přednášející:Osob je mnoho Kreditů:6
Cvičící:Bakštein E., Novák D. Semestr:L

Webová stránka:

https://cw.fel.cvut.cz/b232/courses/beam33nin/start

Anotace:

Předmět je zaměřen na modelování neuronů, metody učení na celulární úrovni, zpracování signálů neuronů, kódování a dekódování informace v mozku. Přednášky aplikují získané poznatky na příklady z neurofyziologické praxe. Cvičení jsou zaměřeny na analýzu záznamů signálů neuronů získaných ze zvířecího i lidského mozku.

Výsledek studentské ankety předmětu je zde: A6M33NIN

Cíle studia:

Předmět je zaměřen na modelování neuronů, metody učení na celulární úrovni, zpracování signálů neuronů, kódování a dekódování informace v mozku. Přednášky aplikují získané poznatky na příklady z neurofyziologické praxe. Cvičení jsou zaměřeny na analýzu záznamů signálů neuronů získaných ze zvířecího i lidského mozku.

Osnovy přednášek:

1. Úvod, přehled klinických a zobrazovacích metod (jednotková aktivita, EEG , potenciály lokálního elektrického pole, transkraniální magnetická stimulace, funkční neurochirurgie, funkční magnetická rezonance, metody navigace a jejich vizualizace).
2. Modely neuronů: synaptické vstupy, dendritické stromy, iontové kanály, stavová analýza.
3. Poissonův proces, variabilita pálení neuronu, Integrate &Fire model.
4. Bodové procesy v čase a prostoru, definice metrik podobnosti pálení neuronů.
5. Kódování informace v mozku: frekvenční a temporální metriky: - dekódování informace a synchronizace, informační přenos pálení neuronů.
6. Mechanismy učení na celulární úrovni - krátkodobé a dlouhodobé učení.
7. Stochastické neurony a učení I - inspirace statistickým přístupem.
8. Stochastické neurony a učení II - inspirace statistickým přístupem.
9. Učení založené na frekvenčních a časových charakteristikách.
10. Modelování organizace a funkcí mozkové kůry.
11. Aplikace neuroinformatiky pro výzkum epilepsie.
12. Třídění neuronů, předzpracování signálu jednotkové aktivity, evaluace shlukování, generování umělého signálu.
13. Případová studie: výzkum emocí v oblasti bazálních ganglií, analýza IAPS experimentů.
14. Rezerva.

Osnovy cvičení:

1. Modelování neuronů a jejich vzájemného propojení, Hodgkin-Huxley model, koeficient variace, PSTH histogram.
2. Bodové a Poissonovy procesy.
3. Kódování signálu v mozku- frekvenční přístup.
4. Kódování signálu v mozku- časový přístup.
5. Dekódování signálů.
6. Přenos informace, entropie, míry regularity, "spike train" míra.
7. Statistické vlastnosti pálení neuronu, 2D a 3D reprezentace.
8. Stochastické neurony a učení, synchronizace, kros-korelace.
9. Generování umělého spike train signálu.
10. Třídění neuronů.
11. Evaluace výsledků, vizualizační metody, ROC křivka.
12. Případová studie: IAPS experiment.
13. Případová studie: epilepsie.
14. Rezerva.

Literatura:

[1] Christof Koch, Biophysics of Computation-Information Processing in Single Neurons, Oxford University Press, 1999.[2] Thomas P. Trappenberg, Fundamentals of Computational Neuroscience, Oxford University Press, 2002.
[3] Fred Rieke,Spikes Exploring the Neural Code, MIT Press, 1999.
[4] Peter Dayan, Theoretical Neuroscience, MIT Press, 2001.
[5] Wulfram Gerstner, Spiking Neuron Models, Cambridge University Press, 2002.

Požadavky:

Prerekvizity: Teorie signálů, Statistika a spolehlivost v lékařství, Rozpoznávání a strojové učení.

Klíčová slova:

Modelování neuronů, kódování a dekódování signálu, Stochastické neurony a učení

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MEBIO3_2018 Image Processing PV
MEBIO4_2018 Signal Processing PV
MEBIO2_2018 Medical Instrumentation PV
MEBIO1_2018 Bioinformatics PV


Stránka vytvořena 28.3.2024 17:52:19, semestry: Z,L/2023-4, Z/2024-5, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)