Obiettivi formativi
1. Conoscenza e comprensione dei concetti. Gli studenti dovranno conoscere e comprendere i principi teorici e gli strumenti matematici di base che ricorrono quotidianamente nell’analisi di dati neurali.
2. Autonomia di applicazione dei concetti. Gli studenti dovranno essere capaci di applicare autonomamente le conoscenze teoriche e tecniche acquisite per l’analisi di dati reali in MATLAB o altro linguaggio a scelta.
3. Analisi dei problemi. Gli studenti dovranno essere in grado di individuare, per la specifica domanda sperimentale, quali sono le tecniche sperimentali e di analisi più adatte ed efficienti a rispondervi.
4. Capacità comunicative. Gli studenti dovranno acquisire padronanza nel presentare e discutere oralmente alcune tecniche di analisi applicate su dati sperimentali.
Prerequisiti
Conoscenze di base di neurofisiologia ed elementi di statistica.
Contenuti dell'insegnamento
Il corso ha come obiettivo quello di fornire agli studenti le competenze di base nell’analisi di dati neurali. Verranno affrontati concetti base di statistica, algebra lineare, analisi del segnale, encoding/decoding, supportati da continui esempi di applicazione su diverse tipologie di dati neurali (singolo neurone, LFP, EEG, .). Lo studente verrà guidato nell’acquisire padronanza dei principi matematici alla base dell’analisi dei dati con esempi in MATLAB, e all’applicazioni di tali principi per analizzare dati sperimentali.
Programma esteso
Introduzione di elementi di algebra lineare, calcolo matriciale, spazi vettoriali. Breve ripasso di concetti statistici di base e analisi matematica. Analisi del segnale: rapporto segnale-rumore, trasformata di Fourier, filtri, wavelet, spettrogrammi. Analisi di treni di spike neuronali, analisi di popolazione, spazio degli stati neurali. Tecniche di riduzione dimensionale, clustering. Modelli di encoding e decoding, classificazione e regressione. Cenni di reti neurali.
Bibliografia
1. Case Studies in Neural Data Analysis. A Guide for the Practicing Neuroscientist. The MIT Press, 2016.
2. MATLAB for Neuroscientists: An Introduction to Scientific Computing in MATLAB. 2nd Edition, Academic Press, 2014.
Metodi didattici
I vari argomenti verranno affrontati principalmente tramite lezioni in aula (la scrittura di piccole parti di codice richiede l’utilizzo di un pc portatile). Inoltre, agli studenti verrà proposto di effettuare l’analisi di un set di dati neurali su un argomento a scelta, in modo da familiarizzare con le tecniche di analisi affrontate a lezione. L’insegnante è disponibile al di fuori dell’orario di lezione per discutere di eventuali criticità.
Modalità verifica apprendimento
L’esame finale consiste in una prova orale su due punti. Nella prima parte lo studente presenterà i risultati delle analisi sul dataset scelto. Seguirà poi una discussione sui risultati presentati, estesa a toccare i concetti chiave affrontati durante il corso.
Altre informazioni
Obiettivi agenda 2030 per lo sviluppo sostenibile
