Scheda programma d'esame
APPLIED BRAIN SCIENCE
CLAUDIO GALLICCHIO
Anno accademico2023/24
CdSBIONICS ENGINEERING
Codice001MA
CFU12
PeriodoAnnuale
LinguaInglese

ModuliSettore/iTipoOreDocente/i
BEHAVIORAL AND COGNITIVE NEUROSCIENCEING-INF/06LEZIONI60
GIULIO BERNARDI unimap
PIETRO PIETRINI unimap
EMILIANO RICCIARDI unimap
COMPUTATIONAL NEUROSCIENCEINF/01LEZIONI60
CLAUDIO GALLICCHIO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Modulo Computational neuroscience (CNS):

Gli obiettivi del corso "Computational neuroscience" comprendono la modellizzazione neurale bio-inspirata, le reti neurali di tipo spiking e reservoir computing, modelli computazionali avanzati  di neuroni per l'apprendimento,  architetture e metodi di apprendimento per reti neurali dinamiche / ricorrenti per i dati temporali e l'analisi delle loro proprietà. Ruolo delle neuroscienze computazionali nelle applicazioni del mondo reale (per casi di studio).

Modulo di Neuroscienze comportamentali e cognitive:
Il corso punta a fornire conoscenze generali su temi di neuroscienze e psicofisiologia, introducendo i fondamentali di anatomia e fisiologia cerebrale, e tecniche per le neuroimmagini. Queste ultime hanno rivoluzionato le neuroscienze, permettendo finalmente di indagare i correlati del comportamento e delle funzioni mentali. Rivedremo i principii di base, applicazioni cliniche e di ricerca di tomografia a emissione di positroni e risonanza magnetica funzionale (PET, fMRI). I concetti condivisi da diversi tipi di neuroimaging saranno discussi, dal disegno di paradigmi sperimentali all’elaborazione e interpretazione di dati, al fine di esplorare diversi argomenti: percezione, linguaggio, azioni e controllo motorio.

Knowledge

Module Computational neuroscience (CNS):
The objectives of "Computational neuroscience" class include bio-inspired neural modelling, spiking and reservoir computing neural networks, advanced computational neural models for learning, architectures and learning methods for dynamical/recurrent neural networks for temporal data and the analysis of their properties, the role of computational neuroscience in real-world applications (by case studies).

Module Behavioral and Cognitive Neurosciences:
The "Behavioral and Cognitive Neurosciences" class aims at providing the students with an introduction to general themes in Neuroscience and Psychophysiology. Specifically, the course aims first at introducing the fundamentals of brain anatomy, brain physiology and brain imaging methodologies. Neuroimaging techniques provided cognitive neuroscience with an unprecedented tool to investigate the neural correlates of behavior and mental functions. Here we will mainly review the basic principles, research and clinical applications of positron emission tomography (PET) and functional magnetic resonance imaging (fMRI). Solid background in the concepts common to many types of neuroimaging, ranging from study design to data processing and interpretation, will be discussed to address neuroscientific topics, such as perception, language, action representation and motor control.

 

 

Modalità di verifica delle conoscenze

Modulo Computational neuroscience (CNS):  La conoscenza viene verificata attraverso test scritti (materiale di laboratorio e report) e un esame orale.

Modulo di Neuroscienze comportamentali e cognitive:
La partecipazione alle lezioni e l’acquisizione di principi di base di neuroscienze comportamentali e cognitive saranno valutati tramite un esame scritto.

Assessment criteria of knowledge

Module Computational neuroscience (CNS): Knowledge is verified through written tests (lab material and reports) and an oral exam.

Module Behavioral and Cognitive Neurosciences:
The participation to the class and the acquisition of basis principles in Behavioral and Cognitive Neuroscinces will be tested through a written test.

Capacità

Modulo Computational neuroscience (CNS): 

  • Capacità di analisi e sviluppo di modelli avanzati di apprendimento automatico, considerando sia la modellazione neurale bio-ispirata che il punto di vista computazionale.
  • Ottenere conoscenze pratiche su semplici modelli CNS tramite esperienze di laboratorio.

Modulo di Neuroscienze comportamentali e cognitive:
Gli studenti dovranno familiarizzarsi con gli argomenti principali di neuroscienze cognitive e comportamentali, e con l’impiego di tecniche di imaging cerebrale strutturale e funzionale per studiare le basi neurali delle funzioni cognitive. I principii di base dell’acquisizione di dati di neuroimmagini dovranno essere acquisiti.

Skills

Module Computational neuroscience (CNS):

  • Capability of analysis and development of advanced machine learning models, considering both the bio-inspired neural modelling and the computational point of view.
  • Gain practical knowledge on simple CNS models by lab experience.

Module Behavioral and Cognitive Neurosciences:introd
The students have to become familiar with main topics in cognitive neuroscience and with the employment of brain structural and functional imaging approaches to investigate the neural bases of cognitive functions. Basic principles of brain imaging data acquisition and processing should be acquired.

Modalità di verifica delle capacità

Modulo Computational neuroscience (CNS): 

La conoscenza è verificata attraverso test scritti e un esame orale. La parte scritta include il materiale del laboratorio (codice sviluppato durante il corso) e una relazione su un argomento teorico avanzato o con scopo applicativo (progetto).

Modulo di Neuroscienze comportamentali e cognitive:
Le conoscenze saranno verificate attraverso un esame scritto con domande teoriche e metodologiche.

Assessment criteria of skills

Module Computational neuroscience (CNS): Knowledge is verified through written tests and an oral exam. Written part include lab material (code developed during the course) and a report on advanced theoretical topic or with applicative aim (project).

Module Behavioral and Cognitive Neurosciences:
Knowledge is verified through a written test with questions on both theorical and methodological aspects of behavioral and cognitive neurosciences.

 

Comportamenti

Modulo Computational neuroscience (CNS): 

Consapevolezza della potenzialità correnti e delle limitazioni dei sistemi CNS e dei sistemi avanzati per l'apprendimento automatico.

Modulo di Neuroscienze comportamentali e cognitive:
Conoscenza degli aspetti metodologici e teorici relativi ai temi delle neuroscienze comportamentali e cognitive; sviluppo di un approccio critico in relazoine allo studio dei correlati neurali del funzionamento cerebrale

Behaviors

Module Computational neuroscience (CNS): Awareness of current potentiality and  limitations of CNS/advanced machine learning based systems.

Module Behavioral and Cognitive Neurosciences:

  • Knowledges on both theorical and methodological aspects of behavioral and cognitive neurosciences
  • Critical approach to the investigation of neural correlates of brain functioning
Modalità di verifica dei comportamenti

Modulo Computational neuroscience (CNS): La conoscenza viene verificata attraverso test scritti (materiale di laboratorio e report) e un esame orale.

Modulo di Neuroscienze comportamentali e cognitive:
La conoscenza viene verificata attraverso un test scritto con domande sugli aspetti teorici e metodologici delle neuroscienze comportamentali e cognitive

Assessment criteria of behaviors

Module Computational neuroscience (CNS): Knowledge is verified through written tests  (lab material and reports) and an oral exam.

Module Behavioral and Cognitive Neurosciences:
Knowledge is verified through a written test with questions on both theorical and methodological aspects of behavioral and cognitive neurosciences.

Prerequisiti (conoscenze iniziali)

Modulo Computational neuroscience (CNS): 

  • Analisi matematica (funzioni, calcolo differenziale), calcolo multivariato, equazioni differenziali
  • Algebra lineare, notazione matrice e calcolo
  • Elementi di probabilità e statistica (elaborazione avanzata del segnale seguita in corso parallelo)
  • Conoscenza di base degli algoritmi.
  • Programmazione: MATLAB/Python per il laboratorio.

Modulo di Neuroscienze comportamentali e cognitive:
Conoscenze di base di fisiologia neuronale e cerebrale

Prerequisites

Module Computational neuroscience (CNS):

  • Mathematical analysis (functions, differential calculus), multivariate calculus, differential equations
  • Linear algebra, matrix notation and calculus
  • Elements of probability and statistics (advanced signal processing in parallel)
  • Basic knowledge of algorithms.
  • Programming: MATLAB/Python for the lab.

Module Behavioral and Cognitive Neurosciences:
Basic elements of brain and neuronal physiology

Indicazioni metodologiche

Modulo Computational neuroscience (CNS):

Il corso comprende lezioni di teoria e corsi di esercitazione mediante l'esperienza diretta dei laboratori, che mirano a esemplificare, implementare (codice MATLAB/Python) e applicare i concetti sviluppati durante le lezioni.
Le lezioni sono in aula, tipicamente con l'aiuto di diapositive (proiezione). Usiamo una piattaforma di e-learning per fornire materiale didattico (diapositive, assegnazioni, software, ecc.).
Partecipazione: fortemente consigliata. Metodi didattici: lezioni, laboratori e lavori di progetto.

Modulo di Neuroscienze comportamentali e cognitive:
Il corso prevede lezioni frontali su teoria e metodologie in neuroscienze con l’ausilio di diapositive. Le piattaforme di e-learning saranno utilizzate per condividere il materiale didattico. La frequenza è vivamente consigliata. Saranno inoltre promosse lezioni hands-on presso la sede lucchese della Scuola IMT Alti Studi Lucca.

Teaching methods

Module Computational neuroscience (CNS):
The course includes theory lessons and exercise classes by direct lab experience, which aim to exemplify, implement (MATLAB/Python code) and apply the concepts developed during the lessons.
The lessons are face-to-face, typically with the help of slides (projection). We use  e-learning platform to deliver learning material (slides, assignments,  software etc.).
Attendance: strongly advised.
Teaching methods: Lectures, labs and project work

Module Behavioral and Cognitive Neurosciences:
The course includes theoretical and methodological face-to-face lessons with the help of slides. E-learning platform are used to share learning materials (slides, data, etc.). Attendance is strongly encouraged. Hands-on lessons will be promoted (when possible) at the IMT School for Advances Studies Lucca.

Programma (contenuti dell'insegnamento)

Modulo Computational neuroscience (CNS): 

Il corso è una introduzione ai principi fondamentali delle Neuroscienze Computazionali, considerando sia la modellazione neurale bio-ispirata che il punto di vista computazionale.

Il contenuto di quest'anno include i seguenti argomenti:

  •      Modelli computazionali del neurone biologico (modellistica delle neuroscienze)
  •      Modelli di plasticità sinaptica e apprendimento (apprendimento delle rappresentazioni)
  •      Reti neurali ricorrenti (modelli dinamici per i dati temporali)
  •      Applicazioni (casi di studio)

Modulo di Neuroscienze comportamentali e cognitive:

  • introduzione alle neuroscienze comportamentali e cognitive: definizione e applicazioni principali
  • principii di neuroimaging metabolico in vivo ed esplorazione funzionale. Basi del metabolismo cerebrale, concetti di unità neurovascolare, coupling neurovascolare, metabolismo del glucosio e dell’ossigeno, sinapsi
  • neuroanatomia e organizzazione morfo-funzionale umana
  • introduzione alla tomografia a emissione di positroni, basi della PET e sue applicazioni per scopi clinici e di ricerca. Esempi di casi neurologici dell’imaging con PET. indicazioni per condurre un protocollo sperimentale PET.
  • introduzione alla risonanza magnetica funzionale. Introduzione all’imaging con risonanza magnetica nucleare e sue applicazioni per il neuroimaging funzionale
  • introduzione alla risonanza magnetica funzionale: definizione del contrasto T2* e origine del segnale BOLD. Design sperimentali per protocolli fMRI. Introduzione al preprocessing di dati fMRI (registrazione spaziale, riallineamento temporale, smoothing, correzione del movimento). Approcci statistici per l’analisi di gruppo di dati fMRI.
  • Studi neurofunzionali della percezione visiva. Il significato e i correlati funzionali dell’imagery visiva.
  • il processing sopramodale del mondo esterno. Esempi di studi funzionali in individui non vedenti dalla nascita.
  • protocolli di resting state fMRI e default mode network
  • studi di fMRI ed elettroencefalografia (EEG) sul sonno
  • il sistema motorio umano. Studi neurofunzionali per l’esplorazione del controllo motorio e dell’imagery motoria. L’applicazione di brain-computer interface (BCI) per il controllo motorio.
  • neurolinguistica: metodologie di imaging funzionale applicate allo studio del linguaggio, correlati funzionali di produzione ed elaborazione del linguaggio.
Syllabus

Module Computational neuroscience (CNS):
The course is an introduction to fundamentals of Computational Neuroscience, considering both the bio-inspired neural modelling and the computational point of view.

The content of this year includes the following topics:

  • Computational models of the biological neuron (neuroscience modeling)
  • Models of synaptic plasticity and learning (representation learning)
  • Recurrent neural networks (dynamical models for temporal data)
  • Applications (case-studies)

Module Behavioral and Cognitive Neurosciences:

  • Introduction to behavioral and cognitive neurosciences: definition and overview of main applications. The contribution of neuroimaging to cognitive neuroscience
  • Principles of in vivo brain metabolic and functional exploration. Basics of brain metabolism: the concepts of neurovascular unit, neurovascular coupling, glucose and oxygen metabolism, synapses.
  • Neuroanatomy and morphofunctional organization of human brain
  • Introduction to Positron Emission Tomography, basics of PET functioning and application. PET applications for clinical and research purposes. Examples of neurological cases of PET imaging. Indications for running a PET experimental protocol.
  • Introduction to functional magnetic resonance imaging. Introduction to nuclear magnetic resonance imaging and to its application in brain functional imaging
  • Introduction to functional magnetic resonance imaging: definition of T2* and origin of the BOLD signal. Experimental design for fMRI protocols. Introduction to fMRI data preprocessing (image registration, realignment, smoothing, motion correction, etc.). Statistical approaches for group analysis in fMRI.
  • Brain functional studies for visual perception and recognition. The meaning and the functional correlates of visual imagery.
  • The supramodal processing of the external world. Examples of brain functional studies in congenitally blind samples.
  • Resting state protocols and the default mode network
  • Brain functional studies with fMRI and EEG on sleep
  • The human motor system. Brain functional studies for exploring motor control and motor imagery. The application of brain-computer interface for motor control.
  • Brain functional studies applied in the field of neurolinguistics. Neurolinguistics and fMRI: the neural correlates of language production and processing.
Bibliografia e materiale didattico

Modulo Computational neuroscience (CNS): 

Note del corso (fornite dai docenti). Ulteriori riferimenti includono:

  • W. Gerstner and W.M. Kistler, Spiking Neuron Models: Single Neurons, Population, Plasticity. Cambridge Univ. Press, 2002
  • P. Dayan and L.F. Abbott, Theoretical Neuroscience. The MIT press, 2001.
  • E.M. Izhikevich, Dynamical systems in neuroscience. The MIT press, 2007.
  • S. Haykin, Neural Networks and Learning Machines (3rd Edition), Prentice Hall, 2009.
  • I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, MIT Press, 2016

 

Modulo di Neuroscienze comportamentali e cognitive:
Note e slide del corso. Ulteriori spunti possono essere trovati:

  • The New Cognitive Neurosciences, Edited by Michael S. Gazzaniga, MIT Press
  • A Short Guide to Brain Imaging: The Neuroscience of Human Cognition - Authors:Richard E. Passingham, James B. Rowe; Oxford

 

Bibliography

Module Computational neuroscience (CNS):

Course notes (provided by the instructors).

Further references include:

  • W. Gerstner and W.M. Kistler, Spiking Neuron Models: Single Neurons, Population, Plasticity. Cambridge Univ. Press, 2002
  • P. Dayan and L.F. Abbott, Theoretical Neuroscience. The MIT press, 2001.
  • E.M. Izhikevich, Dynamical systems in neuroscience. The MIT press, 2007.
  • S. Haykin, Neural Networks and Learning Machines (3rd Edition), Prentice Hall, 2009.
  • I. Goodfellow, Y. Bengio, A. Courville: Deep Learning, MIT Press, 2016

Module Behavioral and Cognitive Neurosciences:
Course notes and slides

Further references include:

  • The New Cognitive Neurosciences, Edited by Michael S. Gazzaniga, MIT Press
  • A Short Guide to Brain Imaging: The Neuroscience of Human Cognition - Authors:Richard E. Passingham, James B. Rowe; Oxford

 

 

Modalità d'esame

Modulo Computational neuroscience (CNS): 

La prova scritta è tipicamente basata sul materiale delle esperienze dei laboratori (codice sviluppato durante il corso) e su un report di un argomento teorico avanzato (in forma scritta / diapositiva) o con un obiettivo applicativo (progetto con codice e risultati). Il materiale viene consegnato in anticipo dallo studente.
Il test orale consiste in un'intervista tra il candidato e il docente su tutte le parti del programma e, se utile, nella discussione sul test scritto. Durante l'esame orale l'allievo deve essere in grado di dimostrare la propria conoscenza del materiale didattico e di poter discutere  la letturatura con
profondità e correttezza dell'espressione, mostrando anche la capacità di relazionare le varie nozioni acquisite e una consapevolezza sufficiente dei limiti e delle potenzialità dei sistemi CNS. Per accedere  all'esame orale, gli studenti devono aver ottenuto un livello sufficiente nelle prove scritte.

Modulo di Neuroscienze comportamentali e cognitive:
La prova scritta è tipicamente basata sugli argomenti trattati a lezione e ha lo scopo di verificare la conoscenza dello studente relativamente agli argomenti didattici relativamente alla descrizione dell'organizzazione strutturale e funzionale del cervello, come all'utilizzo delle moderne tecniche di neuroimmagine per lo studio del comportamento e delle abilità mentali dell'uomo.

Assessment methods

 

Module Computational neuroscience (CNS): 

The  written test is typically based on material  from the lab experience  (code developed during the course) and on  a report on advanced theoretical topic (in written/slide form) or with applicative aim (project with code and results).  The material is delivered in advance by the student.

The oral test consists in an interview between the candidate and the course lecturers on all parts of the program and, where appropriate, in the discussion on the written test. During the oral exam the student must be able to demonstrate her/his knowledge of the course material and be able to discuss the reading matter thoughtfully and with propriety of expression, also  showing the ability to relate the various notions acquired and a sufficient awareness of the limits and potential of CNS systems.
To take the oral exam, students must have obtained a sufficient grade in the written tests.

Module Behavioral and Cognitive Neurosciences:
The  written test is typically based on focused questions on theoretical and methodological topics that have been presented and discussed during the lessons

Note

CNS: Informazioni sulla modalità delle lezioni saranno fornite sul sito Moodle del corso e li aggiornate.

For the LAB during the course you have to bring your device (BYOD policy).

Notes

Special info CNS: Infomation on the course modality will be provided in the ML Moodle site and updated therein.

For the LAB during the course you have to bring your device (BYOD policy).

Ultimo aggiornamento 05/09/2023 11:29