Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Ilaria MARCANTONI
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 : 2 - Primo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
Inglese
English
Conoscenza base di programmazione (analisi dei segnali e immagini) e di fisiologia umana
Basic knowledge of programming (signal and image processing) and human physiology
Teoria: 42 ore
Laboratorio: 12 ore
Progetto: 18 ore
Theory: 42 hours
Laboratory: 12 hours
Project: 18 hours
L’insegnamento permette 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 studente acquisisca una chiara consapevolezza del più 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 capacità acquisite permettono allo studente di saper scegliere lo strumento di analisi più 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 hemodynamic (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
Il corso consente di acquisire conoscenza dei principali metodi esistenti per identificare e mappare le funzioni del cervello umano e, a tal fine, affronterà le seguenti macro-tematiche:
Background fisiologico: principi di anatomia e fisiologia del sistema nervoso centrale umano (parti principali del sistema nervoso centrale; localizzazione cerebrale delle abilità cognitive; principali classi di cellule del sistema nervoso; analisi funzionale del sistema neuronale e meccanismi di comunicazione tra cellule nervose; organizzazione dei processi cognitivi; connettività cerebrale; neuroplasticità; funzioni complesse del cervello)
Rilevazione non invasiva dell'attività elettrica e magnetica del cervello (attività cerebrale magnetica: magnetoencefalografia, MEG; attività cerebrale elettrica: elettroencefalografia, EEG)
Elaborazione dei segnali cerebrali (onde EEG-MEG; potenziali legati agli eventi, ERP, separazione delle fonti cerebrali, BSS, analisi delle componenti indipendenti, ICA, localizzazione delle sorgenti corticali)
Visualizzazione strutturale del cervello e visualizzazione funzionale dei processi cognitivi (Tomografia assiale computerizzata, TAC; tomografia ad emissione di positroni, PET; tomografia computerizzata a emissione di fotone singolo, SPECT; risposta emodinamica cerebrale e risonanza magnetica per immagini, MRI; MRI funzionale, fMRI; imaging multimodale, EEG-fMRI simultanei)
Elaborazione delle immagini cerebrali fMRI (pipeline standard di preelaborazione dei dati fMRI, estrazione cerebrale da MRI strutturale, registrazione fMRI e analisi MRI/fMRI)
Introduzione ad alcuni strumenti per l'analisi del segnale neurale (EEGLAB, Brainstorm, FieldTrip: strumenti open source per l'analisi delle registrazioni cerebrali)
Introduzione ad alcuni strumenti per l'analisi delle neuroimmagini (Statistical Parametric Mapping, SPM, Group ICA of fMRI toolbox, GIFT, FMRIB Software Library, FSL: strumenti open source per l'analisi dei dati di imaging del cervello)
Sviluppo di una relazione scientifica di approfondimento su un argomento del corso (da svolgere in gruppi di 3 o 4 componenti e presentata attraverso una presentazione con slide della durata di 10 minuti)
Sviluppo di un progetto: applicazione delle metodologie di preelaborazione e analisi ad un database reale (da svolgere in gruppi di 3 o 4 componenti e presentato scritto in forma di atto a convegno secondo template fornito durante il corso)
The course allows to acquire knowledge of the main existing methods for identifying and mapping the functions of the human brain and, to this end, will address the following macro-themes:
Physiological background: principles of anatomy and physiology of the human central nervous system (main parts of the central nervous system; cerebral localization of cognitive abilities; main classes of cells of the nervous system; functional analysis of the neuronal system and communication mechanisms between nerve cells; organization of cognitive processes; brain connectivity; neuroplasticity; complex brain functions)
Non-invasive detection of electrical and magnetic brain activity (magnetic brain activity: magnetoencephalography, MEG; electrical brain activity: electroencephalography, EEG)
Brain signal processing (EEG-MEG waves; event-related potentials, ERP, brain source separation, BSS, independent component analysis, ICA, cortical source localization)
Structural visualization of the brain and functional visualization of cognitive processes (Computerized axial tomography, CT; Positron emission tomography, PET; Single photon emission computed tomography, SPECT; Cerebral hemodynamic response and magnetic resonance imaging, MRI; functional MRI, fMRI; multimodal imaging, simultaneous EEG-fMRI)
fMRI brain image processing (standard pipeline of fMRI data preprocessing, structural MRI brain extraction, fMRI registration, and MRI/fMRI analysis)
Introduction to some tools for neural signal analysis (EEGLAB, Brainstorm, FieldTrip: open-source tools for analyzing brain recordings)
Introduction to some tools for neuroimaging analysis (Statistical Parametric Mapping, SPM, Group ICA of fMRI toolbox, GIFT, FMRIB Software Library, FSL: open-source tools for analyzing brain imaging data)
Development of an in-depth scientific report on a topic of the course (to be carried out in groups of 3 or 4 components and presented through a slide presentation lasting 10 minutes)
Project development: applying preprocessing and analysis methodologies to a real database (to be carried out in groups of 3 or 4 components and presented in writing in the form of a conference proceeding according to the template provided during the course)
Il livello di apprendimento degli studenti/ delle studentesse verrà definito attraverso la valutazione:
di una prova scritta della durata di 1.5 ore, che consiste in 30 domande a risposta multipla sugli argomenti del corso;
della relazione scientifica prodotta;
del progetto sviluppato;
di una prova orale, facoltativa, consistente in 2 domande teoriche, a cui si può accedere solo se nella prova scritta si è preso almeno 18. La prova orale facoltativa deve essere sostenuta nello stesso appello della prova scritta.
Per gli studenti/ le studentesse con disabilità e DSA, su richiesta dello studente/ della studentessa, le modalità di esame potranno essere adattate alla luce di quanto previsto dalle linee guida di Ateneo.
Criteri di valutazione dell'apprendimento.
Nella prova scritta, lo studente/ la studentessa dovrà dimostrare di aver compreso e acquisito i concetti presentati nel corso. La prova scritta avrà una valutazione tra 0 e 30.
Nella relazione scientifica, lo studente/ la studentessa dovrà dimostrare chiarezza di comunicazione e capacità di sintesi. La relazione scientifica avrà una valutazione tra 0 e 30.
Nel progetto, lo studente/ la studentessa dovrà essere in grado di applicare le conoscenze teoriche acquisite in modo indipendente a problemi pratici. Il progetto avrà una valutazione tra 0 e 30
La prova orale, se eseguita, avrà una valutazione tra 0 e 30.
Criteri di misurazione dell'apprendimento.
Attribuzione del voto finale in trentesimi, con eventuale lode.
Criteri di attribuzione del voto finale.
Affinché l’esito complessivo della valutazione sia positivo, lo studente/ la studentessa deve raggiungere almeno la sufficienza, pari a 18/30, in ciascuna delle prove sostenute. Il voto finale (VF) sarà calcolato sulla base dei voti della prova scritta (PS), della relazione scientifica (RS), del progetto (P) e della prova orale (PO), se presente, nel modo seguente:
se non si è effettuata la prova orale:
VF = 0.7 PS + 0.15 RS + 0.15 P
se si è effettuata la prova orale:
VF = 0.7 ((PS + PO) / 2) + 0.15 RS + 0.15 P
La lode verrà attribuita allo studente/alla studentessa che, avendo conseguito la valutazione massima, abbia dimostrato la completa padronanza della materia.
Learning Evaluation Methods.
The level of student learning will be defined by evaluating:
a written test 1.5-hour long, and consisting of 30 multiple-choice questions on the topics of the course;
the scientific report produced;
the developed project;
an oral test, which is optional and consisting of 2 theoretical questions. The oral test can be accessed only if the student passed the written test (score of 18 or more). Written and oral tests must be done in the same session.
For students with disabilities and SLD, at the request of the student, the examination methods may be adapted in the light of the provisions of the University guidelines.
Learning Evaluation Criteria.
In the written test, the student will have to demonstrate that he/she has understood and acquired the concepts presented in the course. The written test will be graded between 0 and 30.
In the scientific report, the student will have to demonstrate clarity of communication and ability to summarize. The scientific report will be graded between 0 and 30.
In the project, the student must be able to apply the acquired theoretical knowledge independently to practical problems. The project will be graded between 0 and 30
The oral test, if performed, will be graded between 0 and 30.
Learning Measurement Criteria.
Attribution of the final mark out of thirty, with possible honors.
Final Mark Allocation Criteria.
In order for the overall outcome of the evaluation to be positive, the student must achieve at least the sufficiency, equal to 18/30, in each of the tests taken. The final mark (FM) will be calculated on the basis of the marks of the written test (WT), of the scientific report (SR), of the project (P) and of the oral test (OT), if any, as follows:
if the oral test has not been carried out:
FM = 0.7 WT + 0.15 SR + 0.15 P
if the oral test has been carried out:
FM = 0.7 ((WT + OT) / 2) + 0.15 SR + 0.15 P
Honors will be awarded to the student who, having achieved the maximum evaluation, has demonstrated complete mastery of the subject.
D. Purves, G.J. Augustine, D. Fitzpatrick, W.C. Hall, A.-S. LaMantia, J.O. McNamara, L.E. White – Neuroscience – Zanichelli (2008)
R.A. Poldrack, J.A. Mumford, T.E. Nichols – Handbook of Functional MRI Data Analysis – Cambridge University Press (2011)
C.-H. Im – Computational EEG Analysis. Methods and Applications – Springer (2018)
Slide delle lezioni
Eventuale materiale aggiuntivo
https://learn.univpm.it
D. Purves, G.J. Augustine, D. Fitzpatrick, W.C. Hall, A.-S. LaMantia, J.O. McNamara, L.E. White – Neuroscience – Zanichelli (2008)
R.A. Poldrack, J.A. Mumford, T.E. Nichols – Handbook of Functional MRI Data Analysis – Cambridge University Press (2011)
C.-H. Im – Computational EEG Analysis. Methods and Applications – Springer (2018)
Lesson slides
Any additional material
https://learn.univpm.it
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427