Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Neuroinformatics

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
BEAM33NIN Z,ZK 6 2P+2C
Korekvizita:
Safety in Electrical Engineering for a master´s degree (BEEZM)
Předmět nesmí být zapsán současně s:
Neuroinformatika (A6M33NIN)
Neuroinformatika (BAM33NIN)
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
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: http://www.fel.cvut.cz/anketa/aktualni/courses/A6M33NIN

Požadavky:

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

Osnova 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.

Osnova 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.

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.

Studijní materiály:

[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.

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 10. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet5501406.html