Docente (s) Responsável (s) Jean Faber
Ementa
Nesse curso discutiremos os fundamentos, conceitos e principais técnicas envolvidas na geração, aquisição e processamento de sinais neurais. O curso tem como objetivo fornecer noções de base sobre as origens e diferenças fisiológicas e biofísicas sobre os sinais eletrofisiológicos neurais, tais como Potenciais de Campo (LFP), “Spike Train”, EEG espontâneo e Potenciais Evocados, focando nas principais técnicas e métodos de caracterização e análise das características desses sinais. Será abordado também os principais conceitos sobre as características físicas determinantes no aparecimento de efeitos padrões como sincronização, potência e ritmos em sinais eletrofisiológico, discutindo-os tanto no domínio do tempo quanto no domínio da frequência (focando nos principais ritmos neurais: delta, theta, alpha, beta, gamma, um e smr). Ao final do curso, será discutido artigos científicos que usem esses conceitos e técnicas estudos experimentais e clínicos.
O curso não terá enfoque matemático e é voltado para alunos de graduação e pós-graduação em saúde e biociências.
Conteúdo Programático
1) Conceitos fisiológicos e biofísicos sobre as origens de diferentes tipos de sinais neurais:
1.1) Potencial de ação e “spike train” e potenciais de campo (LFP): principais características físicas e fisiológicas.
1.2) Potenciais espontâneos e potenciais evocados.
2) Principais técnicas e dispositivos para registros invasivos e não-invasivos da atividade eletrofisiológica neural: multieletrodos (MEA), single unity, patch-clamp, tetrodo, eletrocorticograma (ECoG) e eletroencefalografia (EEG).
3) Conceitos e principais características de sinais discretos e contínuos: propriedades físicas e características de registro digital e analógico de sinais eletrofisiológicos.
4) Introdução aos principais conceitos sobre características eletrofisiológicas de sinais neurais: amplitude, frequência, fase e coerência.
5) Noções conceituais sobre as principais técnicas de análise de LFP e EEG no domínio da frequência: série de Fourier, espectro de frequência e potência.
6) Conceitos sobre origens e processamento dos principais ritmos neurais e suas correlações neurofisiológicas e neurocognitivas: delta, theta, alpha, beta, gama e mu.
7) Conceitos sobre ruídos e filtros para sinais neurais.
8) Discussão sobre técnicas atuais em análise de conectividade: Redes Complexas e Conectômica.
Período
1º. semestre de 2022: 06 de abril à 22 de junho.
Horário: todas as quartas-feiras das 18h às 20h.
Local: virtual
Público-alvo
Pós-graduandos do Programa de Neurologia/Neurociências;
Pós-graduandos de outros programas com áreas afins, dependendo de disponibilidade de vagas.
Vagas
20.
Carga Horária
45 horas (aulas + trabalho)
Quantidade de Créditos
3.
Inscrições
de 18/03/2022 a 05/04/2022
Inscrições pelo SIIU (Sistema de Notas)
Forma de Avaliação
Trabalho ao final do curso e frequência mínima de 75%.
Local
Virtual: Plataforma Google Meet
Email: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.
Bibliografia (s)
1. Drongelen, van Wim. Signal Processing for Neuroscientists: Introduction to the Analysis of Physiological Signals. Academic Press; 1ª edição (2006). https://www.sciencedirect.com/book/9780123708670/signal-processing-for-neuroscientists#book-info
2. Peter Dayan, L. F. Abbott, Laurence F. Abbott. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. Mit Press; Edição (2005).
3. Mike X. Cohen. Analyzing Neural Time Series Data: Theory and Practice. MIT Press (MA); Illustrated edition (2014).
4. Wulfram Gerstner, Werner Kistler, Richard Naud. Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition. Cambridge University Press; UK ed. (2014).
5. Sporns O, Kötter R (2004) Motifs in brain networks. PLoS Biol 2(11). https://doi.org/10. 1371/journal.pbio.0020369
6. Sporns O (2002) Network analysis, complexity, and brain function. Complexity 8(1):56–60. https://doi.org/10.1002/cplx.10047
7. Honey CJ, Thivierge JP, Sporns O (2010) Can structure predict function in the human brain? NeuroImage 52(3):766–776. https://doi.org/10.1016/j.neuroimage.2010.01.071