Podstawy analizy danych fMRI
Informacje ogólne
Kod przedmiotu: | 2401-K-MF-PAD |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Podstawy analizy danych fMRI |
Jednostka: | Katedra Kognitywistyki |
Grupy: |
Kognitywistyka s1,s2 - zajęcia do wyboru |
Strona przedmiotu: | https://github.com/fMRIAnalysisCourse/fmri-analysis-course |
Punkty ECTS i inne: |
4.00
|
Język prowadzenia: | polski |
Wymagania wstępne: | Język angielski na poziomie min. B1 (opracowania dotyczące analizy fMRI / programowania w języku Python są anlgojęzyczne). |
Rodzaj przedmiotu: | przedmiot fakultatywny |
Całkowity nakład pracy studenta: | 1. Godziny realizowane z udziałem nauczycieli: 30 godzin laboratorium. 2. Czas poświęcony na pracę indywidualną studenta potrzebny do pomyślnego zaliczenia przedmiotu, tj. wcześniejsze przygotowanie i uzupełnienie notatek; zebranie i wybór odpowiednich materiałów do zajęć, wymagane powtórzenie materiału, pisanie prac i rozwiązywanie zadań zomowych, czytanie literatury: 60 godzin. 3. Czas wymagany do przygotowania zaliczenia końcowego: 30 godzin |
Efekty uczenia się - wiedza: | W1: zna zasady prowadznia badań neuroobrazowych zgodnie z założeniami nauki otwartej (open science). W2: rozumie matematyczne podstawy analizy danych fMRI (algebra liniowa, wnioskowanie statystyczne, ogólny model liniowy, uczenie maszynowe, teoria grafów). W3: zna podstawowe metody przetwarzania i analizy statystycznej danych fMRI. |
Efekty uczenia się - umiejętności: | U1: potrafi samodzielnie zaplanować poszególne kroki analizy danych fMRI i dopasować je do postawionych pytań badawczych. U2: potrafi zaimplementować analizę danych fMRI w języku Python. U3: potrafi korzystać z narzędzi do kontroli wersji (Git/Github). U4. potrafi raportować wyniki analizy danych fMRI, w tym tworzyć estetyczne wizualizacje wyników. |
Efekty uczenia się - kompetencje społeczne: | K1: bez lęku radzi sobie z rozwiązywaniem problemów. K2: rozumie potrzebę ciągłego dokształcania się i rozoju. K3: potrafi efektywnie pracować w grupie; docenia zalety różnorodnych kompetencji w zespole. K4: ceni oryginalność i kreatywność rozwiązań. K5: potrafi w sposób ciekawy i prosty tłumaczyć skomplikowane zagadnienia. |
Metody dydaktyczne: | Metody samodzienego dochodzenia do wiedzy; metody praktyczne; dyskusja. |
Metody dydaktyczne eksponujące: | - pokaz |
Metody dydaktyczne podające: | - opis |
Metody dydaktyczne poszukujące: | - ćwiczeniowa |
Metody dydaktyczne w kształceniu online: | - gry i symulacje |
Skrócony opis: |
W ramach zajęć z "Podstaw analizy danych fMRI" student/studentka zapozna się z metodami przetwarzania i analizy statystycznej danych neuroobrazowych uzyskanych metodą czynnościowego rezonansu magnetycznego (fMRI). |
Pełny opis: |
W ramach zajęć poruszone zostaną następujące tematy: 1. Otwarzalność wyników naukowych (reproducibility) i nauka otwarta (open science). 2. Podstawy algebry liniowej i statystyki w neuroobrazowaniu. 3. Podstawy programowania w języku Python i kontrola wersji (Git/GitHub) 4. Wstępne przetwarzanie danych fMRI i czynniki zakłócające w badaniach neuroobrazowych. 5. Analiza aktywacji z wykorzystaniem ogólnego modelu liniowego (General Linear Model, GLM). 5. Podstawy analizy połączeń funkcjonalnych (functional connectivity) i neuronuki sieciowej (network neuroscience). 6. Metody uczenia maszynowego (machine learning) w neuroobrazowaniu. 7. Wizualizacja danych i raportowanie wyników. Każdy uczestnik kursu otrzyma darmowy dostęp do platformy DataCamp (datacamp.com) w ramach programu DataCamp Clasroom. |
Literatura: |
1. Poldrack, R. A., Mumford, J. A., & Nichols, T. E. (2011). Handbook of functional MRI data analysis. Cambridge University Press. 2. Poldrack, R. A. (2018). The new mind readers: What neuroimaging can and cannot reveal about our thoughts. Princeton University Press. 3. Fornito, A., Zalesky, A., & Bullmore, E. (2016). Fundamentals of brain network analysis. Academic Press. 4. Huettel, S. A., Song, A. W., & McCarthy, G. (2004). Functional magnetic resonance imaging (Vol. 1). Sunderland, MA: Sinauer Associates. |
Metody i kryteria oceniania: |
1. Aktywność na zajęciach. 2. Zadania domowe. 3. Praca w grupach. 4. Kolokwium końcowe. |
Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)
Okres: | 2022-02-21 - 2022-09-30 |
Przejdź do planu
PN WT ŚR KON
KON
CZ PT |
Typ zajęć: |
Konwersatorium, 30 godzin
|
|
Koordynatorzy: | Karolina Finc | |
Prowadzący grup: | Karolina Finc | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.