2.2 Analysis in the Time-Frequency Domain
2.2.1 Phase-Locked Power
2.2.2 Total Power
2.2.3 Temporal Phase Locking
Single-Sweep Wave Identification Method
Phase-Locking Factor
2.2.4 Event-Related Spatial Synchronization: Spatial Phase Locking
Phase-Locking Value
Phase-Lag Index
3 Extended Applications
3.1 Internal Information Processing
3.1.1 Response-Related Potentials
3.1.2 Coupling Between Slow Oscillations and Sleep Spindles
3.1.3 Additional Internal Potentials: A Future Focus of Research
3.2 Event-Related Frequency Tuning
3.3 Event-Related Spatial Synchronization
3.4 Multi-Second Behavioral Patterns
4 Concluding Remarks
References
Chapter 5: Quantitative EEG Analysis: Introduction and Basic Principles
1 Introduction
References
Chapter 6: QEEG and ERP Biomarkers of Psychotic and Mood Disorders and Their Treatment Response
1 The Perspective of Clinical Utility of Mismatch Negativity and P300 Event-Related Potentials in Psychotic Disorders
1.1 MMN
1.2 P300
2 Quantitative EEG Biomarkers of Depression and Antidepressant Treatment Response
References
Chapter 7: Quantitative EEG in Patients with Schizophrenia
1 Introduction
References
Part IV: Neuroimaging Methods
Chapter 8: Computational Anatomy Going Beyond Brain Morphometry
1 Introduction
2 Historical Overview
3 Computational Anatomy in Basic and Clinical Neuroscience
4 Limitations of Computational Anatomy Using T1-Weighted Data
5 Improved Brain Tissue Classification Using qMRI
6 ``In Vivo Histology´´ Using qMRI
7 Current Limitations of qMRI
8 Outlook
References
Chapter 9: Nonlinear Methods for the Investigation of Psychotic Disorders
1 Introduction
2 How to Evaluate Nonlinear Dynamical Systems?
3 Methods
4 Use Cases
5 Summary and Outlook
References
Chapter 10: Carving Out the Path to Computational Biomarkers for Mental Disorders
1 Introduction
1.1 The Complexity of Understanding Brain Function and Dysfunction
1.2 The Role of Emotions in Anxiety and Other Mental Disorders
1.3 The Role of the Amygdala in Emotions
1.4 Amygdala Activation and Connectivity in Anxiety and Other Mental Disorders
1.5 Structural and Functional Alterations in the Amygdala as a Possible Differential Diagnostic Biomarker for Mental Disorders
1.6 Real World Challenges for Amygdala-Based Biomarkers
2 Materials
2.1 Magnetic Resonance Imaging Hardware
2.2 Computing Hardware
3 Methods
3.1 Experimental Design: Amygdala Function
3.2 Experimental Design: Amygdala Anatomy
3.3 Experimental Design: Connectivity and Amygdala Regulation
3.4 Functional MRI of the Amygdala
3.5 Ultra-High Field Functional MRI of the Amygdala
4 Conclusion
References
Chapter 11: Neuroimaging Methods Investigating Anterior Insula Alterations in Schizophrenia and Mood Disorders
1 Introduction
2 Structural Changes
3 Functional Alterations
4 Impaired Connectivity
5 Conclusion
References
Chapter 12: Magnetic Resonance Spectroscopy
1 Introduction
1.1 Magnetic Resonance Spectroscopy: Principles
1.2 Clinical Applications of MRS
1.3 MRS Applications in Neurology
1.4 MRS Applications in Psychiatry
1.5 Functional MRS
2 Materials
3 Methods
3.1 Data Acquisition
3.1.1 Single Voxel Spectroscopy
3.1.2 MRS Imaging
3.1.3 Water and Lipid Suppression
3.2 Data Processing
4 Notes
4.1 Understanding Data Quality
4.2 Artifacts
4.3 Long and Short TE
References
Chapter 13: The Effect of Exogenous and Endogenous Parameters on Group Resting-State Effective Connectivity and BOLD Signal
1 Introduction
2 Methods
2.1 Participants
2.2 BETULA Data Collection
2.3 Data Analysis
2.3.1 Pre-processing
2.3.2 ROI Selection
2.3.3 DCM Analysis
3 Results
3.1 Effective Connectivity
3.2 Parameters Defining the BOLD Signal
4 Discussions
5 Conclusions
References
Chapter 14: Utility of Computational Approaches for Precision Psychiatry: Applications to Substance Use Disorders
1 Introduction
2.2.1 Phase-Locked Power
2.2.2 Total Power
2.2.3 Temporal Phase Locking
Single-Sweep Wave Identification Method
Phase-Locking Factor
2.2.4 Event-Related Spatial Synchronization: Spatial Phase Locking
Phase-Locking Value
Phase-Lag Index
3 Extended Applications
3.1 Internal Information Processing
3.1.1 Response-Related Potentials
3.1.2 Coupling Between Slow Oscillations and Sleep Spindles
3.1.3 Additional Internal Potentials: A Future Focus of Research
3.2 Event-Related Frequency Tuning
3.3 Event-Related Spatial Synchronization
3.4 Multi-Second Behavioral Patterns
4 Concluding Remarks
References
Chapter 5: Quantitative EEG Analysis: Introduction and Basic Principles
1 Introduction
References
Chapter 6: QEEG and ERP Biomarkers of Psychotic and Mood Disorders and Their Treatment Response
1 The Perspective of Clinical Utility of Mismatch Negativity and P300 Event-Related Potentials in Psychotic Disorders
1.1 MMN
1.2 P300
2 Quantitative EEG Biomarkers of Depression and Antidepressant Treatment Response
References
Chapter 7: Quantitative EEG in Patients with Schizophrenia
1 Introduction
References
Part IV: Neuroimaging Methods
Chapter 8: Computational Anatomy Going Beyond Brain Morphometry
1 Introduction
2 Historical Overview
3 Computational Anatomy in Basic and Clinical Neuroscience
4 Limitations of Computational Anatomy Using T1-Weighted Data
5 Improved Brain Tissue Classification Using qMRI
6 ``In Vivo Histology´´ Using qMRI
7 Current Limitations of qMRI
8 Outlook
References
Chapter 9: Nonlinear Methods for the Investigation of Psychotic Disorders
1 Introduction
2 How to Evaluate Nonlinear Dynamical Systems?
3 Methods
4 Use Cases
5 Summary and Outlook
References
Chapter 10: Carving Out the Path to Computational Biomarkers for Mental Disorders
1 Introduction
1.1 The Complexity of Understanding Brain Function and Dysfunction
1.2 The Role of Emotions in Anxiety and Other Mental Disorders
1.3 The Role of the Amygdala in Emotions
1.4 Amygdala Activation and Connectivity in Anxiety and Other Mental Disorders
1.5 Structural and Functional Alterations in the Amygdala as a Possible Differential Diagnostic Biomarker for Mental Disorders
1.6 Real World Challenges for Amygdala-Based Biomarkers
2 Materials
2.1 Magnetic Resonance Imaging Hardware
2.2 Computing Hardware
3 Methods
3.1 Experimental Design: Amygdala Function
3.2 Experimental Design: Amygdala Anatomy
3.3 Experimental Design: Connectivity and Amygdala Regulation
3.4 Functional MRI of the Amygdala
3.5 Ultra-High Field Functional MRI of the Amygdala
4 Conclusion
References
Chapter 11: Neuroimaging Methods Investigating Anterior Insula Alterations in Schizophrenia and Mood Disorders
1 Introduction
2 Structural Changes
3 Functional Alterations
4 Impaired Connectivity
5 Conclusion
References
Chapter 12: Magnetic Resonance Spectroscopy
1 Introduction
1.1 Magnetic Resonance Spectroscopy: Principles
1.2 Clinical Applications of MRS
1.3 MRS Applications in Neurology
1.4 MRS Applications in Psychiatry
1.5 Functional MRS
2 Materials
3 Methods
3.1 Data Acquisition
3.1.1 Single Voxel Spectroscopy
3.1.2 MRS Imaging
3.1.3 Water and Lipid Suppression
3.2 Data Processing
4 Notes
4.1 Understanding Data Quality
4.2 Artifacts
4.3 Long and Short TE
References
Chapter 13: The Effect of Exogenous and Endogenous Parameters on Group Resting-State Effective Connectivity and BOLD Signal
1 Introduction
2 Methods
2.1 Participants
2.2 BETULA Data Collection
2.3 Data Analysis
2.3.1 Pre-processing
2.3.2 ROI Selection
2.3.3 DCM Analysis
3 Results
3.1 Effective Connectivity
3.2 Parameters Defining the BOLD Signal
4 Discussions
5 Conclusions
References
Chapter 14: Utility of Computational Approaches for Precision Psychiatry: Applications to Substance Use Disorders
1 Introduction
2 Theory-Driven Approaches: Computational Modeling and Computational Phenotyping
2.1 Joint Modeling
3 Hybrid Approaches/Adaptive Design Optimization
4 Data-Driven Approaches/Machine Learning
5 Summary and Conclusion
References
Part V: Integrative Computational Neuroscience
Chapter 15: Multimodal Integration in Psychiatry: Clinical Potential and Challenges
1 Introduction
2 Materials
3 Methods
3.1 Multimodality of Magnetic Resonance Techniques
3.2 Multimodal Magnetic Resonance in the Study of Major Psychoses
3.3 Functional Neuroimaging and Neurophysiologic Techniques
3.3.1 Magnetic Resonance Imaging of the BOLD Effect
3.4 MRI Techniques Sensitive to Perfusion and Oxidative Metabolism
3.5 Optical Neuroimaging Techniques
3.6 Positron Emission Tomography
3.7 Electroencephalography
4 Conclusions
References
Chapter 16: Premises of Computational Neuroscience: Machine Learning Tools and Multivariate Analyses
1 Introduction
2 Guide to the Methodology
2.1 Overview
2.2 Mathematical Formulations
2.3 Benefits and Limitations of Using Multivariate Methods for Mental Health
3 Examples of Application of Multivariate Methods in Mental Health
3.1 Multivariate Methods Applied to the Classification of Schizophrenia
3.1.1 Objective
3.1.2 Data Used
3.1.3 Method Used
3.1.4 Results
3.2 Individual- and Group-Level Brain Signatures of Schizophrenia, Major Depressive, and Bipolar Disorders
3.2.1 Objective
3.2.2 Data
3.2.3 Method
3.2.4 Results
3.3 Multimodel Brain Signature with Task-fMRI, Resting State, and Morphometry in Schizophrenia and Major Depressive Disorder
3.3.1 Objective
3.3.2 Data
3.3.3 Methods
3.3.4 Results
4 Code and Toolbox Availability
5 Conclusion
References
Index
2.1 Joint Modeling
3 Hybrid Approaches/Adaptive Design Optimization
4 Data-Driven Approaches/Machine Learning
5 Summary and Conclusion
References
Part V: Integrative Computational Neuroscience
Chapter 15: Multimodal Integration in Psychiatry: Clinical Potential and Challenges
1 Introduction
2 Materials
3 Methods
3.1 Multimodality of Magnetic Resonance Techniques
3.2 Multimodal Magnetic Resonance in the Study of Major Psychoses
3.3 Functional Neuroimaging and Neurophysiologic Techniques
3.3.1 Magnetic Resonance Imaging of the BOLD Effect
3.4 MRI Techniques Sensitive to Perfusion and Oxidative Metabolism
3.5 Optical Neuroimaging Techniques
3.6 Positron Emission Tomography
3.7 Electroencephalography
4 Conclusions
References
Chapter 16: Premises of Computational Neuroscience: Machine Learning Tools and Multivariate Analyses
1 Introduction
2 Guide to the Methodology
2.1 Overview
2.2 Mathematical Formulations
2.3 Benefits and Limitations of Using Multivariate Methods for Mental Health
3 Examples of Application of Multivariate Methods in Mental Health
3.1 Multivariate Methods Applied to the Classification of Schizophrenia
3.1.1 Objective
3.1.2 Data Used
3.1.3 Method Used
3.1.4 Results
3.2 Individual- and Group-Level Brain Signatures of Schizophrenia, Major Depressive, and Bipolar Disorders
3.2.1 Objective
3.2.2 Data
3.2.3 Method
3.2.4 Results
3.3 Multimodel Brain Signature with Task-fMRI, Resting State, and Morphometry in Schizophrenia and Major Depressive Disorder
3.3.1 Objective
3.3.2 Data
3.3.3 Methods
3.3.4 Results
4 Code and Toolbox Availability
5 Conclusion
References
Index
Forwarded from National Brain Mapping Lab
🔰 آزمایشگاه ملی نقشه برداری مغز برگزار میکند:
💠 ۳۰ امین کارگاه ثبت، پردازش و تحلیل سیگنالهای EEG💠
🟢 مدرسین:
☑️دكتر علی مطيع نصرآبادی
☑️دكتر محمد ميكائيلی
🕑زمان: چهارشنبه، پنجشنبه و جمعه
۲۳ الی ۲۵ آبان ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
💠Instagram
💠LinkedIn
🌐Website
💠 ۳۰ امین کارگاه ثبت، پردازش و تحلیل سیگنالهای EEG💠
🟢 مدرسین:
☑️دكتر علی مطيع نصرآبادی
☑️دكتر محمد ميكائيلی
🕑زمان: چهارشنبه، پنجشنبه و جمعه
۲۳ الی ۲۵ آبان ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
🌐Website
https://www.aparat.com/v/z9565h0
کارگاه پردازش سیگنالهای مغزی دکتر نصرآبادی EEGWORKSHOP EEGLAB EEG/ERP
کارگاه پردازش سیگنالهای مغزی دکتر نصرآبادی EEGWORKSHOP EEGLAB EEG/ERP
آپارات - سرویس اشتراک ویدیو
کارگاه پردازش سیگنالهای مغزی دکتر نصرآبادی EEGWORKSHOP EEGLAB EEG/ERP
جلسه اول روز دوم کارگاه سه روزه پردازش سیگنالهای مغزی کاربرد در نوروساینس محاسباتی برگزار شده در آزمایشگاه نقشه برداری NBML توسط آقای دکتر نصرآبادیکانال تلگرام eegworkshop@
⭕ «دومین فراخوان حمایت از پایان نامه های تحصیلات تکمیلی »
پژوهشگاه ارتباطات و فناوری اطلاعات با هدف حمایت از توسعه پژوهشهای کاربردی، رصد فناوریهای نوین و حل چالشها و نیازهای کشور، بومیسازی محصولات و خدمات در راستای نیازمندیهای بخش فناوری اطلاعات و ارتباطات کشور و تشویق و بهرهمندی از ظرفیت اعضای هیأت علمی و دانشجویان تحصیلات تکمیلی دانشگاهها، مراکز آموزشی و پژوهشگاهها و با همکاری ستاد توسعه فناوریهای اتصالپذیری و ارتباطات معاونت علمی، فناوری و اقتصاد دانشبنیان ریاست جمهوری ، نسبت به حمایت از رسالهها و پایاننامههای تحصیلات تکمیلی (مقاطع کارشناسی ارشد و دکترا) اقدام مینماید.
این حمایت در راستای محورهای اولویتدار اعلامی از سوی پژوهشگاه و ستاد میباشد و مبالغ حمایتی برای دانشجویان ارشد ۲۴۰ میلیون ریال و برای دانشجویان دکتری ۷۲۰ میلیون ریال است.
ثبت نام از طریق:
http://egov.itrc.ac.ir/?q=fa/node/add/paper-suport
مهلت تا ۳۰ اسفند ۱۴۰۳
پژوهشگاه ارتباطات و فناوری اطلاعات با هدف حمایت از توسعه پژوهشهای کاربردی، رصد فناوریهای نوین و حل چالشها و نیازهای کشور، بومیسازی محصولات و خدمات در راستای نیازمندیهای بخش فناوری اطلاعات و ارتباطات کشور و تشویق و بهرهمندی از ظرفیت اعضای هیأت علمی و دانشجویان تحصیلات تکمیلی دانشگاهها، مراکز آموزشی و پژوهشگاهها و با همکاری ستاد توسعه فناوریهای اتصالپذیری و ارتباطات معاونت علمی، فناوری و اقتصاد دانشبنیان ریاست جمهوری ، نسبت به حمایت از رسالهها و پایاننامههای تحصیلات تکمیلی (مقاطع کارشناسی ارشد و دکترا) اقدام مینماید.
این حمایت در راستای محورهای اولویتدار اعلامی از سوی پژوهشگاه و ستاد میباشد و مبالغ حمایتی برای دانشجویان ارشد ۲۴۰ میلیون ریال و برای دانشجویان دکتری ۷۲۰ میلیون ریال است.
ثبت نام از طریق:
http://egov.itrc.ac.ir/?q=fa/node/add/paper-suport
مهلت تا ۳۰ اسفند ۱۴۰۳
Forwarded from mahdi
یک شرکت استارت آپی دانش بنیان جهت تکمیل تیم فنی خود به صورت پاره وقت از علاقمندان با مشخصات زیر دعوت به همکاری می نماید:
شرح وظایف:
- همکاری برای طراحی PCB
- همکاری برای برنامه نویسی C embedded روی میکروکنترلرها
- خرید قطعات الکترونیکی مورد نیاز
- لحیمکاری و مونتاژ قطعات روی PCB
- تست و عیبیابی اولیه مدارهای طراحی شده
- انجام کارهای مرتبط سخت افزاری در فرآیند تولید
مهارتها و شایستگیها:
- آشنایی با مفاهیم پایه طراحی مدارهای الکترونیکی
- توانایی خرید و آشنایی با قطعات الکترونیکی
- توانایی کار با ابزارهای لحیمکاری و تجهیزات تست
- آشنایی با طراحی PCB خصوصا نرم افزار Altium Designer و proteus
- آشنایی با زبان C
- کار و تسلط نسبی روی زبان پایتون
- کار با میکروکنترلر های STM33 و ATmega
شرایط مورد نیاز:
- دارای مدرک کارشناسی و یا ارشد در رشته های برق و الکترونیک، کامپیوتر و سخت افزار و یا مهندسی پزشکی
- آشنایی با دستگاه های الکترونیکی حوزه مغز و اعصاب مانند EEG
- تجربه کار با سیگنالهای مغزی (ترجیحا EEG)
- توانایی کار تیمی و برخورداری از مهارت حل مسئله
- توانایی کار کردن به شکل مستقل
- علاقمند به انجام پژوهش و مطالعه مقالات علمی
- کار به صورت پاره وقت و حداکثر ۳ روز در هفته با امکان تبدیل به موقعیت تمام وقت بسته به شرایط.
موقعیت مکانی شرکت:
تهران، سعادت آباد، خیابان خوردین
لطفا رزومه کاری خود را تا پایان روز ۸ آبانماه به آدرس ایمیل زیر ارسال کنید. داشتن رفرنس دانشگاهی یا صنعتی الزامیست mmdavari@gmail.com
شرح وظایف:
- همکاری برای طراحی PCB
- همکاری برای برنامه نویسی C embedded روی میکروکنترلرها
- خرید قطعات الکترونیکی مورد نیاز
- لحیمکاری و مونتاژ قطعات روی PCB
- تست و عیبیابی اولیه مدارهای طراحی شده
- انجام کارهای مرتبط سخت افزاری در فرآیند تولید
مهارتها و شایستگیها:
- آشنایی با مفاهیم پایه طراحی مدارهای الکترونیکی
- توانایی خرید و آشنایی با قطعات الکترونیکی
- توانایی کار با ابزارهای لحیمکاری و تجهیزات تست
- آشنایی با طراحی PCB خصوصا نرم افزار Altium Designer و proteus
- آشنایی با زبان C
- کار و تسلط نسبی روی زبان پایتون
- کار با میکروکنترلر های STM33 و ATmega
شرایط مورد نیاز:
- دارای مدرک کارشناسی و یا ارشد در رشته های برق و الکترونیک، کامپیوتر و سخت افزار و یا مهندسی پزشکی
- آشنایی با دستگاه های الکترونیکی حوزه مغز و اعصاب مانند EEG
- تجربه کار با سیگنالهای مغزی (ترجیحا EEG)
- توانایی کار تیمی و برخورداری از مهارت حل مسئله
- توانایی کار کردن به شکل مستقل
- علاقمند به انجام پژوهش و مطالعه مقالات علمی
- کار به صورت پاره وقت و حداکثر ۳ روز در هفته با امکان تبدیل به موقعیت تمام وقت بسته به شرایط.
موقعیت مکانی شرکت:
تهران، سعادت آباد، خیابان خوردین
لطفا رزومه کاری خود را تا پایان روز ۸ آبانماه به آدرس ایمیل زیر ارسال کنید. داشتن رفرنس دانشگاهی یا صنعتی الزامیست mmdavari@gmail.com