Anatomía y fisiología del cerebro humano
Introducción básica a la neuroanátomía y neurofisiología humana para que los estudiantes tengan las bases necesarias para comprender el uso (y limitaciones de las técnicas de neuroimagen).
Introducción a las técnicas de neuroimagen
En esta sección se presentarán las bases físicas y fisiólogicas de las distintas técnicas de neuroimages utilizadas comunmente en el campo de las neurociencias. En particular se contrastarán las técnicas de medición electrodinámica (electrofisiología, electroenecefalografía y magnetoencefalografía) y hemodinámica (IRM funcional, espectroscopía por infrarrojo cercano y tomografía de emisión de positrones).
Adquisición de imágenes de IRM. Parte 1
Ecuaciones de Bloch, curvas de relajación T1, T2, T2*, espacio k, codificación en frecuencia y fase, adquisiciones en paralelo (e.g., SENSE, SMASH, GRAPPA), secuencias de pulsos de RF (spin-eco, recuperación de inversión, gradiente-eco, etc). Este módulo será dividio en una parte teórica en la que se presentarán lo conceptos correspondientes y una parte práctica en la que los alumnos simularán los resultados de las ecuaciones de Bloch bajo distintas condiciones y diseñarán secuencias de pulsos para entender sus principios, así como sus diferentes posibilidades y limitaciones. Para esto se usará software abierto (ejecutable y/o implementado en MATLAB), tal como Pulseq, MriLab, JERMIS, SpinBench, etc.
Adquisición de imágenes de IRM. Parte 2
Visita a un resonador y adquisicion de datos de IRM y IRMf. Idealmente, los datos adquiridos serán utilizados para los análisis de datos. De no ser posible, se utilizarán datos previamente adquiridos por el Instructor.
Análisis univariado de datos de IRMf
Introducción al procesamiento y análisis de datos de IRMf. Este módulo será teórico-práctico. Cada sección contará de una parte teórica en la que se presentarán los conceptos asociados (principios matemáticos, justificación de su uso, elección de parámetros, limitaciones, etc), seguida de una parte práctica en la que los estudiantes aplicarán los conceptos adquiridos a datos reales. Para eso se utilizarán scripts en MATLAB creados por el Instructor y el software abierto Statistical Parametric Mapping (SPM).
1. Preprocesamiento de imágenes (realineamiento, coregistración, normalización, suavizado)
2. Introducción al modelo general lineal, funciones de base, contrastes, análisis estadístico, correcciones por comparaciones múlitples, interpretación de resultados
3. Análisis longitudinales y de grupo y aplicaciones al estudio de poblaciones clínicas
4. Distintos tipos de diseños experimentales para IRMf (bloque, relacionado a eventos, paramétrico, etc.). Optimización estadítica de diseños.
Análisis avanzado de datos de IRMf
Introducción a las técnicas avanzadas recientemente desarrolladas para el análisis de datos IRMf, en particular aquellas basadas en estadística multivariada, como multiple voxel pattern analysis (MVA) y representational similarity analysis (RSA). Como en el módulo anterior, luego de la presentación matemática/estadística de los distintos tipos de análisis, los estudiantes tendrán la oportunidad de aplicarlos a datos reales utilizando programas abiertos como myMVPA, RSA toolbox, etc.
