Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
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:
Stránka vytvořena 19.5.2024 15:50:46, semestry: Z/2024-5, Z,L/2023-4, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |