Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
CAMILLO PORCARO
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [IM13] BIOMEDICAL ENGINEERING Master Degree (2 years) - [IM13] INGEGNERIA BIOMEDICA
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2020-2021
Anno regolamentoAnno regolamento: 2020-2021
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
Inglese
English
nessuno
none
• Lezioni di Teoria, 50 ore
• Laboratorio, 22 ore
• Theory lessons, 50 hours
• Laboratory, 22 hours
L’insegnamento permetterà agli studenti di acquisire conoscenze approfondite sulle diverse metodologie esistenti per rilevare e mappare le funzioni del cervello umano. La prima parte del corso fornirà il necessario background in modo che lo stedente acquisisca una chiara consapevolezza del piu’ ampio contesto multidisciplinare delle neuroscienze con un chiaro richiamo agli aspetti delle neuroimmagini e della ricerca sul cervello con particolare riferimento all’attività cerebrale magneto/elettrica (EEG/MEG) e alla risposta emodinamica (fMRI) associate all’attività neuronale (EEG-fMRI)
Capacità di applicare conoscenze e comprensione.
Questo insegnamento è caratterizzante per il settore Bioingeneria (ING-INF/06). Lo studente dovrà sapere applicare correttamente
le principali tecniche per l’analisi delle bioimmagini con particolare riferimento alle tecniche di Neuroimaging (EEG-MEG-fMRI) utilizzando strumenti avanzati e metodi numerici, computazionali
per l’analisi di dati cerebrali (quali EEGLAB, Brainstorm, Statistical Parametric Mapping – SPM e Group ICA Of fMRI Toolbox – GIFT) e saper interpretare in modo critico i risultati ottenuti approfondendo conseguentemente i meccanismi sottostanti il
sistema nervoso centrale.
Le capacita’ acquisite permettono allo studente di saper scegliere lo strumento di analisi piu’ appropriato, la capacità di saper interpretare appropriatamente i risultati sperimentali ottenuti e di saper eventualmente lavorare con il team coinvolto nello studio del problema.
Competenze trasversali.
Lo svolgimento del progetto contribuirà a migliorare la capacità di usare strumenti computazionali general-purpose (MATLAB) o specifici toolboxes per il preprocessing e processing di bioimmagini e segnali cerebrali.
La stesura del report seguendo lo stile di un articolo scientifico e la sua discussione in aula, contribuirà a migliorare
la capacità di sintesi, comunicativa e di esporre in modo chiaro concetti e risultati e contribuirà, inoltre, a migliorare la capacità critica che deriva anche dal lavoro in gruppo.
Knowledge and Understanding.
The course enables students to gain in-depth knowledge about the various existing methods for detecting and mapping human brain function. The first part of the course will provide the necessary background so that the students acquire a clear awareness of the more broader multidisciplinary context of the neuroscience with a clear reference to the aspects of neuroimaging and brain research with particular reference to the magnetic/electrical (EEG/MEG) brain activity and haemodynamic (fMRI) response associated with neuronal activity (EEG-fMRI).
Capacity to apply Knowledge and Understanding.
This course is characterizing for the engineering sector (ING-INF / 06). The student will know how to apply correctly the main techniques for the analysis of biomedical images with particular reference to Neuroimaging techniques (MEG-EEG-fMRI) using advanced tools and numerical and computational methods for the analysis of brain data (such EEGLAB, Brainstorm, Statistical Parametric Mapping - SPM and ICA Group Of fMRI Toolbox - GIFT) and be able to critically interpret the results obtained consequently deepening the mechanisms underlying the central nervous system.The skills acquired allow the student to know how to choose the most appropriate analysis tool, the ability to properly interpret the experimental results and to be able to possibly work with the team involved in the study of the problem.
Transversal Skills.
The execution of the project will help improve the ability to use general-purpose computational tools (MATLAB) or specific toolboxes for preprocessing and processing of biomedical images and brain signals. The drafting of the report in the style of a scientific paper and its discussion in the classroom, help improve ability to synthesize, communicative and expose clearly the concepts and results, and will also contribute to improving the critical capacity that also stems from teamwork.
Obiettivi - Il corso consente agli studenti di acquisire conoscenze approfondite sui diversi metodi esistenti per individuare e mappare la funzione del cervello umano. La prima parte del corso fornirà il background necessario affinché gli studenti acquisiscano una chiara consapevolezza del più ampio contesto multidisciplinare della neuroscienza con un chiaro riferimento agli aspetti di neuroimaging and brain research con particolare riferimento all'attività cerebrale magnetica / elettrica (EEG / MEG) e alla risposta emodinamica (fMRI) associata all'attività neuronale (EEG-fMRI). Programma - Contenuti (lezioni, 48 ore) Principi del sistema nervoso umano: Neuroni, circuiti neurali, Organizzazione del sistema nervoso centrale umano e analisi funzionale del sistema neuronale. Panoramica delle funzioni complesse del cervello: la corteccia associativa, la memoria e lingua. Come rilevare segnali diretti e indiretti dal cervello in modo non invasivo: elettroencefalografia (EEG); Magnetoencefalografia (MEG); Risonanza magnetica funzionale (fMRI). Imaging multimodale: EEG-fMRI simultaneo. Segnale biologico e non biologico rilevato mediante tecniche di neuroimaging. Elaborazione del segnale di neuroimaging: Potenziali evento correlati (ERPs), separazione delle sorgenti cerebrali (BSS) e analisi delle componenti indipendenti (ICA). Localizzazione del sorgenti cerebrali da registrazioni EEG / MEG. Connettività funzionale ed effettiva del cervello: Granger Causality (GC), Directed Transfer Function (DTF), Partial Directed Coherence (PDC). Esercizi in laboratorio (24 ore) – EEGLAB toolbox: uno strumento open source per l'analisi dei dati EEG / MEG. - Brainstorm toolbox: uno strumento open source per l'analisi dei dati EEG / MEG particolarmente orientato alle localizzazioni del sorgente cerebrale; - Statistical Parametric Mapping (SPM) toolbox: uno strumento open source per l'analisi dei dati MEG / fMRI. - Group ICA Of fMRI (GIFT): uno strumento open source per l'analisi dei dati fMRI.
Objectives - The course enables students to gain in-depth knowledge about the various existing methods for detecting and mapping human brain function.The first part of the course will provide the necessary background so that the students acquire a clear awareness of the more broader multidisciplinary context of the neuroscience with a clear reference to the aspects of neuroimaging and brain research with particular reference to the magnetic/electrical (EEG/MEG) brain activity and haemodynamic (fMRI) response associated with neuronal activity (EEG- fMRI). Program - Content (lectures, 48 hours) Principles of Human Nervous Systems: Neurons, Neural Circuits, Organization of the Human Central Nervous System and Functional Analysis of Neuronal System. Overview of Complex Brain Functions: The Association Cortices, Memory, Language and Speech. How to detect direct and indirect signals from the brain in a non-invasively way: Electroencephalography (EEG); Magnetoencephalography (MEG); Functional magnetic resonance imaging (fMRI). Multimodal imaging approach: Simultaneous EEG-fMRI. Biological and non-biological signal detected by neuroimaging techniques. Neuroimaging signal processing: Event Related Potentials (ERPs), Blind Source Separation (BSS) and Independent Component Analysis (ICA). Brain source localization from EEG/MEG recordings. Functional and Effective Brain connectivity: Granger Causality (GC), Directed Transfer Function (DTF), Partial Directed Coherence (PDC). Laboratory exercises (24 hours) - EEGLAB toolbox: an open source framework for EEG/MEG data analysis. - Brainstorm toolbox: an open source tool for data analysis EEG/MEG particularly oriented in brain source localizations; - Statistical Parametric Mapping (SPM) toolbox: an open source framework for MEG/fMRI data analysis. - Group ICA Of fMRI (GIFT) Toolbox: an open source framework for fMRI data analysis.
La valutazione dell'apprendimento degli studenti è composta da tre parti: - Scientific Report (da svolgere in gruppi di tre massimo quattro studenti): redazione e presentazione di una relazione scientifica come approfondimento degli argomenti trattati durante il corso, di particolare interesse per gli studenti. - Project (da svolgere in gruppi di tre massimo quattro studenti) sviluppo di una strategia di pre-elaborazione e di elaborazione dati, utilizzando MATLAB e le strumenti studiati durante le esercitazioni di laboratorio, su dati reali di neuroimaging. - orale, che consiste nella discussione di uno o più argomenti trattati nel corso. L'esame orale deve essere sostenuto nello stesso anno accademico in cui si sono presentati il report scientifico ed il progetto. In caso di mancato esame orale, lo studente non dovrà ripetere il report scientifico ed il progetto.
Criteri di valutazione dell'apprendimento.
Per superare l'esame lo studente dovrà dimostrare di aver compreso appieno i concetti presentati nel corso, e dovrà essere in grado di applicarli in modo indipendente utilizzando algoritmi implementati in Matlab. Inoltre deve dimostrare capacità di sintesi e di chiarezza di comunicazione.
Criteri di misurazione dell'apprendimento.
Per ciascuno dei test sopra specificati, viene assegnato un punteggio tra zero e trenta. Il voto finale è la media dei punteggi ottenuti in tutte le prove, con arrotondamento per eccesso.
Criteri di attribuzione del voto finale.
Affinché l'esito complessivo della valutazione sia positivo, lo studente deve raggiungere almeno la sufficienza, pari a 18/30, in ciascuno dei test sopra descritti. La valutazione minima, pari a diciotto, è assegnata agli studenti che dimostrano di essere in grado di risolvere i problemi proposti e di conoscenza sufficiente delle metodologie oggetto del corso e del laboratorio. Il punteggio più alto è ottenuto mostrando una conoscenza approfondita del contenuto del corso in tutti i test. La lode sarà assegnata agli studenti che, dopo aver eseguito correttamente tutti i test, hanno mostrato particolare brillantezza nell'esposizione e nella preparazione di tutti i test.
Learning Evaluation Methods.
The learning assessment of students consists of three parts: - Scientific Report (to be performed in groups of three maximum four students): drafting and powerpoint presentation of a scientific report as a deepening of the topics covered during the course, of particular interest to the students. - Project (to be performed in groups of three maximum four students) is to develop a strategy of pre-processing and processing, using MATLAB and the toolboxes studied during laboratory exercises, on real neuroimaging data. - An oral, consisting in the discussion of one or more topics covered in the course. The oral examination must be supported in the same academic year in which the scientific reports and the project occurred. In case of failure of the oral examination, the student will not have to repeat the scientific reports and the project.
Learning Evaluation Criteria.
To successfully pass the examination, the student must demonstrate, through the three parts test, that he/she has fully understood the concepts presented in the course, is able to apply them using algorithms implemented in Matlab, and has ability of synthesis and communication clarity.
Learning Measurement Criteria.
For each of the tests specified above, it is assigned a score between zero and thirty. The overall grade, is the average of the scores obtained in all the tests, with rounding to the entire excess.
Final Mark Allocation Criteria.
In order that, the overall outcome of the evaluation is positive, the student must achieve at least the sufficiency, equal to 18/30, in each of the tests described above. The minimum rating, equal to eighteen, is assigned to students who demonstrate to be able to solve problems that are placed and sufficient knowledge of the methodologies covered during the course and laboratory. The highest score is obtained by demonstrating in-depth knowledge of the course content in all tests. Laudem is given to students who, having done correctly all tests, have shown a particular brilliance in the exposition and in the preparation of all the tests.
1. Neuroscienza, 3a Edizione. A cura di D. Purves, G.J. Agostino, D. Fitzpatrick, W.C. Hall, A.S. LaMantia, J.O. McNamara e S.M. Williams. Neurology 2005 vol. 64 n. 4 769-769-a.
doi: 10.1212 / 01.WNL.0000154473.43364.47.
Capitoli 1, 8, 15, 16, 25, 26, 30
2. MEG-EEG Primer, Oxford University Press, di Riitta Hari, MD, PhD e Aina Puce, PhD.
3. Materiale didattico fornito dall'insegnante.
4. https://learn.univpm.it
1. Neuroscience, 3rd Edition. Edited by D. Purves, G.J. Augustine, D. Fitzpatrick, W.C. Hall, A.S. LaMantia, J.O. McNamara, and S.M. Williams. Neurology 2005 vol. 64 no. 4 769-769-a.
doi: 10.1212/01.WNL.0000154473.43364.47.
Chapters 1, 8, 15, 16, 25, 26, 30
2. MEG-EEG Primer, Oxford University Press, by Riitta Hari, MD, PhD and Aina Puce, PhD.
3. Teaching materials provided by the teacher.
4. https://learn.univpm.it/course/view.php?id=7884
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2020-2021
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427