Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
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 l'intégration de la structure et de la fonction cérébrales à l'aide des techniques de traitement des signaux graphiques, y compris l'IRM fonctionnelle et l'analyse du connectome structurel.
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.
Introduit les bases de la connectomique cérébrale, y compris la terminologie, le prétraitement des données, l'IRM fonctionnelle, les mesures de connectivité et la structure modulaire.
Couvre les bases des réseaux, en mettant l'accent sur les réseaux du cerveau, les percées historiques, les découvertes de petits mondes et de réseaux sans échelle, et l'importance du connectome humain.
Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
Couvre les bases de la connectomique cérébrale, y compris les réseaux du cerveau, la terminologie, les schémas de données, le prétraitement, la connectivité des noeuds et la structure fonctionnelle du connectome.
Explore la classification des neurones, soulignant l'importance de comprendre la complexité du cerveau et les défis dans la définition des types de cellules.
S'oriente vers l'analyse de la dynamique cérébrale et des réseaux à l'aide de techniques de neuroimagerie avancées et de méthodes de traitement des signaux.
Explore les modules du réseau cérébral et la structure communautaire, y compris le connectome fonctionnel modulaire naturel, la modularité du réseau et les algorithmes de détection communautaire.
Explore des modèles d'apprentissage automatique pour les neurosciences, en se concentrant sur la compréhension des fonctions cérébrales et la reconnaissance des objets centraux par le biais de réseaux neuronaux convolutifs.
