Couvre l'analyse des fenêtres coulissantes, l'analyse des processus ponctuels et les modèles auto-régressifs dans la connectivité fonctionnelle dynamique.
Explore le traitement du signal neuronal, les techniques d'IRM et la validation de l'imagerie, en mettant l'accent sur la connectivité structurelle et fonctionnelle et les applications cliniques.
Explore les bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.
Explore l'analyse indépendante des composants en imagerie cérébrale fonctionnelle, en se concentrant sur les sources non gaussiennes, les artefacts de nettoyage et les études de groupe.
Couvre les progrès récents de l'apprentissage structurel pour les modèles graphiques, y compris les modèles gaussiens, les modèles mixtes et les événements extrêmes.
Explore l'organisation topographique du cerveau, en mettant l'accent sur les représentations sensorielles et les techniques de neuroimagerie hémodynamique.
Explore les effets réseau de la stimulation cérébrale profonde au-delà des ganglions basaux, en se concentrant sur la connectivité optimale et le rôle des oscillations cérébrales dans les symptômes moteurs de la PD.
Explore l'utilisation du FNES dans la compréhension de la surdité et de la plasticité cérébrale chez les patients porteurs d'implants cochléaires, en soulignant la corrélation entre les données du FNES et la compréhension de la parole.
Explore les bases de la neuroimagerie, couvrant l'observation du cerveau à différentes échelles et cartographie des réseaux du cerveau avec diverses techniques.
Déplacez-vous dans le Graph Signal Processing dans les réseaux du cerveau, mettant l'accent sur l'intégration de la structure du cerveau et de la fonction par des techniques innovantes.
Explore les chemins, la diffusion et la navigation dans les réseaux du cerveau, y compris des sujets comme l'algorithme de Dijkstra et l'efficacité du réseau.
Explore les interactions d'ordre supérieur dans les réseaux cérébraux en utilisant des complexes simpliciaux et la théorie de l'information, en analysant les données de l'IRMf, des séries chronologiques financières et des maladies infectieuses.
Explore l'intégration de la connectivité cérébrale pour décoder et interpréter l'activité cérébrale à l'aide du traitement des signaux graphiques et des réseaux résiduels spectraux.
