Il corso fornirà per prima cosa un’introduzione alla fisiologia e all’anatomia del sistema nervoso, seguita da una rassegna delle principali tecniche sperimentali di indagine usate nel campo. Saranno poi descritte le principali strutture dati e metodologie usate per l’analisi di dati spaziali e/o temporali in ambito neuroscientifico, partendo dall’enhancement del dato grezzo fino allo sviluppo di modelli per l’inferenza della connettività strutturale o funzionale.
Nylen e Wallisch, "Neural Data Science", Academic Press 2017.
Cohen, "Analyzing Neural Time Series Data: Theory and Practice", MIT press 2014
Obiettivi Formativi
Lo scopo di questo corso è introdurre gli studenti alle tecniche di analisi dati nel campo delle neuroscienze. Al termine dell’insegnamento lo studente avrà una buona conoscenza dei principali tipi di dati prodotti in questo ambito (neuroimaging, EEG, microscopia ottica ed elettronica); sarà in grado di scegliere le strutture dati e gli algoritmi più adatti per estrarre informazione rilevante nei diversi contesti applicativi; sarà in grado di valutare con autonomia di giudizio le limitazioni teoriche e pratiche delle diverse metodologie; sarà in grado di applicare le tecniche viste nel corso a problemi reali, adattando gli algoritmi e le strutture dati al caso specifico.
Prerequisiti
Fondamenti di probabilità e statistica: distribuzioni uni- e multivariate, statistica inferenziale, test statistici parametrici e non parametrici; fondamenti di programmazione in Python.
Metodi Didattici
Lezioni teoriche accompagnate da esercitazioni in Python.
Altre Informazioni
Nessuna
Modalità di verifica apprendimento
La prova d’esame prevede che lo studente sviluppi in modo autonomo un piccolo progetto in cui dovrà analizzare, utilizzando metodi allo stato dell’arte, dati neuroscientifici presi da repositori pubblici o dalla letteratura. I risultati ottenuti sono quindi presentati in un piccolo seminario dove vengono discussi criticamente i limiti e le potenzialità delle metodologie usate. A partire dalle tematiche affrontate nel seminario, sarà quindi svolta un’interrogazione riguardo gli argomenti del corso. Saranno valutati la scelta degli strumenti di analisi, il rigore metodologico, la chiarezza espositiva, la capacità di inquadrare i risultati ottenuti nello stato dell’arte.
Programma del corso
Introduzione.
- Fondamenti di anatomia e fisiologia del sistema nervoso centrale.
- Principali tecniche di indagine strutturali e funzionali in neuroscienze. Dati da neuroimaging (fMRI, DTI PET), elettrofisiologici (patch-clamp, MEA, EEG, MEG), ottici (microscopia in fluorescenza, imaging calcio, VSD, IEG), elettronici (TEM, SEM).
Rappresentazione dei dati.
- Principali strutture per dati funzionali e strutturali.
- Principali formati, standard utilizzati e librerie di I/O.
Pre-processing dei dati.
- Principali problemi di analisi immagine e metodi classici per la loro risoluzione.
- Image enhancement, segmentazione, registrazione spaziale.
- Metodi di intelligenza artificiale per l’analisi immagine.
- Filtraggio ed enhancement di dati funzionali.
- Estrazione delle principali bande di attività neurale (onde alfa, beta, gamma, theta).
Analisi di dati funzionali e strutturali.
- Riduzione della dimensionalità
- Inferenza della connettività strutturale e funzionale.
- Modelli statistici per l’analisi dei dati comportamentali e della loro correlazione con dati funzionali.
Obiettivi Agenda 2030 per lo sviluppo sostenibile
3 - Salute e benessere
9 - Industria, innovazione e infrastrutture