Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
PSICOMETRIA PER LE NEUROSCIENZE COGNITIVE
SCP8084942, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese QUANTITATIVE METHODS FOR COGNITIVE NEUROSCIENCES
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2018-SS1736-000ZZ-2018-SCP8084942-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile LIVIO FINOS M-PSI/03
Altri docenti CRISTINA SCARPAZZA 000000000000

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative M-PSI/03 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 64 161.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Commissione Dal Al Membri
1 Commissione a.a.2018/19 01/10/2018 30/09/2019 FINOS LIVIO (Presidente)
SCARPA BRUNO (Membro Effettivo)
SCARPAZZA CRISTINA (Membro Effettivo)

Syllabus
Prerequisiti: A integrazione dei testi di riferimento lo studente dispone delle slide del corso, suddivise per argomento, e di esercizi svolti o da svolgere. Il materiale integrativo può essere scaricato dal sito Moodle del corso
Conoscenze e abilita' da acquisire: Presentazione delle principali tecniche di rilevazione
Introduzione, Misure dirette e indirette della attività neurologica e fisiologica
Presentazione delle principali tecniche:
Tecniche trattate:
- Elettroencefalografia (EEG)
- Risonanza magnetica strutturale (sMRI)
- Risonanza Magnetica funzionale (fMRI)
- Diffusion Tensor Imaging (DTI)
- Misure fisiologiche (Batttito cardiaco, Conduttanza, temperatura)

Dal segnale neurofisiologico al dato: Preprocessing del segnale
- MRI: correzione del movimento (rigid body
transformation),Slice‐Timing correction, Filtri Spaziali e Temporali, Global intensity normalization, Definizione ed estrazione di regioni di interesse (ROI), Rototraslazioni dei dati.
- EEG: FiltraggioSpazio-temporale del segnale, Estrazione
delle sorgenti del segnale (blind source separation). Definizione delle features di interesse per l'analisi.
- Segnale Fisiologico: Preprocessamento dei dati, pulizia ed
estrazione delle features di interesse


Dal dato all'informazione
- Metodi per la Brain-computer Interface
- Pattern Analysis
- Altre tecniche

Approfondimenti
- Hyperalignment (Procustes analysis)
- Distanze Riemanniane
- Independent Component Analysis,
- Random field theory
- Test di permutazione
Modalita' di esame: Prova scritta e pratica
Criteri di valutazione: Si valutano la comprensione dei contenuti proposti e la capacità di applicare in contesti pratici le conoscenze e le metodologie acquisite.
Contenuti: Presentazione delle principali tecniche di rilevazione
Introduzione, Misure dirette e indirette della attività neurologica e fisiologica
Presentazione delle principali tecniche:
Tecniche trattate:
- Elettroencefalografia (EEG)
- Risonanza magnetica strutturale (sMRI)
- Risonanza Magnetica funzionale (fMRI)
- Diffusion Tensor Imaging (DTI)
- Misure fisiologiche (Batttito cardiaco, Conduttanza, temperatura)

Dal segnale neurofisiologico al dato: Preprocessing del segnale
- MRI: correzione del movimento (rigid body
transformation),Slice‐Timing correction, Filtri Spaziali e Temporali, Global intensity normalization, Definizione ed estrazione di regioni di interesse (ROI), Rototraslazioni dei dati.
- EEG: FiltraggioSpazio-temporale del segnale, Estrazione
delle sorgenti del segnale (blind source separation). Definizione delle features di interesse per l'analisi.
- Segnale Fisiologico: Preprocessamento dei dati, pulizia ed
estrazione delle features di interesse


Dal dato all'informazione
- Metodi per la Brain-computer Interface
- Pattern Analysis
- Altre tecniche

Approfondimenti
- Hyperalignment (Procustes analysis)
- Distanze Riemanniane
- Independent Component Analysis,
- Random field theory
- Test di permutazione
Attivita' di apprendimento previste e metodologie di insegnamento: Si alterneranno lezioni frontali ed esercitazioni.

Le lezioni frontali illustreranno gli aspetti teorici della materia e la loro applicazione, in contesti reali, a dati sperimentali ed empirici, oppure a dati simulati.

Le esercitazioni saranno di due tipi: in aula e individuali. Le esercitazioni in aula saranno per lo studente la prima occasione per verificare i propri apprendimenti nei diversi momenti del corso. Richiedendo partecipazione attiva, costituiranno inoltre un momento di interazione fra gli studenti e il docente.

Le esercitazioni individuali mirano invece a una progressiva autonomia dello studente nell'applicazione pratica delle nozioni, conoscenze e metodologie acquisite.
Eventuali indicazioni sui materiali di studio: Il materiale didattico verrà fornito dai docenti all'inizio del corso.
Inoltre lo studente dispone delle slide del corso, suddivise per argomento, e di esercizi svolti o da svolgere. Il materiale integrativo può essere scaricato dal sito Moodle del corso
Testi di riferimento:

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Case study
  • Interactive lecturing
  • Working in group
  • Utilizzo di video disponibili online o realizzati
  • Learning journal

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Latex
  • Matlab