آیدی ورود:

98381496627

پسوورد

neurolab

دوستان اگر امکانش رو دارید کانال یوتیوب نوروسینتکس رو دنبال کنید چه جلسات رو آنلاین میبینید و چه آفلاین پیگیری میکنید. سابسکرایب کردن، لایک کردن و به اشتراک گذاری ویدیو ها کمک بزرگی به گسترش کانال میکنه. اگر درباره جلسات پرسشی هم دارید میتونید به صورت کامنت زیر پست های یوتیوب قرار بدید و من سعی میکنم پاسخ بدم.

اگر افرادی هستن که علاقه مندن و میتونن کاور جلسات رو در اینستاگرام نورسینتکس بذارین و اینستا رو کمی فعال تر کنن زیر این پست بگن. تنها کاری که کافیه بکنید اینکه کاور های یوتیوب رو بگیرید و بذارید اینستا + یک توضیح مختصر از ویدیو.

https://www.youtube.com/@neurosyntaxacademy/videos

🧠 Brain Dynamics Workshop:
Theory, Analysis and Interpretation

@Neuro_Syntax

🖥 Session01

* Introduction to brain signals and their biological substrates
* Signals, Time Series, and intro to Fourier Transform


🖥 Session02

* Discrete Time Fourier Transform
* Welch Power Spectrum
* Sampling Frequency Theorem, Aliasing, Nyquist Frequency
* Spectral Leakage
* Window Functions
+ Matlab Implementations


🖥 Session03

* Accurate scaling of fourier coefficients
* The effect of varying window length and overlap on power spectrum
* What are oscillators?
* How can oscillations be generated in the brain? Mechanisms of oscillations in the brain
* Neural oscillations: sustained activity or transient bursts?
* Stationarity and Non-stationarity
* Short-time fourier transform
* Morlet Wavelet representation
+ Matlab Implementations

🖥 Session04

* What are timestamps and what are they used for?
* Multitaper Method for Spectral Estimation: Variability and the problem with averages, Time-locked and Non-time locked, Phase locked and non-phase locked, Slepian Tapers
* Digital Filters - Design and Implementation: What are filters? What are different types of filteres? What are they used for? How do they affect the signal?
+ Matlab Implementations

🖥 Session05

* Hilbert Transform
* Envelope magnitude estimation
* Oscillatory Bout Detection using filter-Hilbert Method
* Oscillatory Bout Detection using BOSC
+ Matlab Implementations


🖥 Session06

* Periodic and aperiodic components in brain signal
* How aperiodic component can affect power analysis
* Parameterizing neural power spectra into periodic and aperiodic components
* Separating Neural Oscillations from Aperiodic 1/f Activity: Challenges and Recommendations


🖥 Session07

* Methodological considerations for studying neural oscillations


🖥 Session08

* Introducing Phase Time Series
* The conditions for a meaningful Phase (Bedrosian Theorem)
* Uses of Phase Time Series
- Inter-trial Phase Clustering
- Cross-frequency phase-amplitude coupling
- Spik-field coherence
- Travelling Waves


🖥 Session09

* Cross-frequency Coupling
————Introduction
————Network Architecture and Mechanisms
+ Phase-phase coupling
+ Phase-frequency coupling
+ Phase-amplitude coupling
+ Amlitude-amplitude coupling


🖥 Session10

* Cross-frequency Coupling - Implementation
— Cross-frequency amplitude amplitude coupling
— Cross-frequency phase-amplitude coupling (PAC)
— Modualtion Index
— Dissociating spurious from valid PACs
— Harmonics
— Harmonic vs Non-Harmonic PAC


🖥 Session11

* Cross-frequency Coupling - Implementation
— Filter Settings for Phase and Amplitude Estimation in phase-amplitude coupling measures
— Detecting n:m phase-phase coupling
— Surrogate statistical tests for cross-freq coupling and cautions
* Cross-frequency Coupling - Function
— Integration Problem
— CFC for long-distance communication
— Multi-item/sequence representation
— Sensory Parsing


🖥 Session12

Brain Oscillations and the Importance of Waveform Shape

* Introduction and Examples of Nonsinusoidal signals in the neural recordings

* Physiological Relevance of Oscillation Waveform
— Features of Nonsinusoidal Waveforms Relate to Physiology
— Features of Oscillatory Waveforms Relate to Behavior and Disease

* Methods
— Zero-crossing/Quadrant Point Method of Phase Estimation
— Empirical mode decompositions
——— Computations
——— Drawbacks
——— Ensemble Empirical Mode Decomposition
——— Noise-aided Multivariate Empirical Mode Decomposition
— Cycle-by-cycle analysis of Neural Oscillations
— Instantaneous Frequency



#BrainDynamicsWorkshop #neurosyntax

🧠 Brain Dynamics Workshop:
Theory, Analysis and Interpretation


Programming and Practical Training Sessions

@Neuro_Syntax

🟡 Session01

FFT, Welch, STFT, Morlet Wavelet,
Unit Conversion,
Plotting


🟡 Session02

Morlet Wavelet Transform,
Multitaper Power Estimation,
Kernels and Convolution,
Digital Filters,
Hilbert Transform,
BOSC, Flattening Power Spectrum, Oscillation Detection


🟡 Session03

* Oscillation Detection using Envelope Thresholdon Method
* FOOOF - fitting oscillations & one over f (Matlab Implementation)
* fBOSC


🟡 Session04

* Extracting Phase from Hilbert and Morlet Wavelet Transform
* Interpreting Phase Time Series
* Intertrial-phase clustering/Resultant Vector
* Polar plots and Polar Histograms
* Introduction to Rayleigh test for non-uniformity of circular data


🟡 Session05

* Cross-frequency amplitude-amplitude comodulation
* Cross-frequency phase-amplitude coupling (Modulation Index)


#BrainDynamicsWorkshop #neurosyntax

درود دوستان؛ تمامی محتوای نوروسینتکس ضبط میشن و به مرور زمان در کانال یوتیوب نوروسینتکس قرار میگیرن:

Neurosyntax Academy

درود بر همگی دوستان و همراهان نوروسینتکس

بعد از حدود 6-7 سال فعالیت، تصمیم گرفتم برای آکادمی نوروسینتکس یک لوگوی رسمی طراحی کنم. یک لوگوی در حال کار بعد از چندین رفت و برگشت طراحی کردم که اینجا قرار میدم. این لوگو بر مبنای دیدگاه های زیر ساخته شده:

- طی چندین سالی که در کنار شما مطالعه کردم و آموزش دادم به این نگاه رسیدم که ما باید برای شناخت مغز رویکردی مبتنی بر چندین حوزه علوم پیچیدگی نوین در آزمایشگاه های تجربی ایجاد کنیم. این حوزه ها شامل نظریه Network control theory و Dynamics on Complex Networks میشه که هر دو این پرسش را دنبال میکنند که ارتباط میان دینامیک تولید شده در یک سیستم، و ساختار شبکه ای اون سیستم چه هست و چطور توپولوژی یک سیستم بر روی کنترل اون اثر میگذاره. بخش سمت راست لوگو مفهوم دینامیک پدیدار شده بر روی یک شبکه رو نشان میده. بخش بالا نگاره فاز یک سیستم تولید کننده نوسان هست و پایین یک شماتیک از شبکه.

- رویکردی دیگری که از دوران دکتری دنبال میکنم اینکه برای فهم چگونگی کارکرد مغز یک مسیر مفید بررسی تکاملی رفتار-عصب هست. این رویکرد مبتنی بر این دیدگاهه که برای فهمیدن شناخت باید چگونگی برخورد یک جاندار با زیست-محیطش رو در نظر گرفت. این در هم تنیدگی جاندار-محیط بسته به تنوع رفتار جاندار هست که خودش وابسته به محدودیت های بدنی (در کنار عصبی) هست. عملکرد ساختار های نورونی درون سامانه جاندار-محیط معنا پیدا میکنه و برای فهم اینکه چه نوع راهکارهای تکاملی برای هر نوع برخورد بکار گرفته شده و متناسب با اون چه نوع تغییراتی در هماهنگی میان مغز-بدن ایجاد شده بهتره عصبی پژوهی رو در گونه های مختلف ادامه بدیم. سمت چپ لوگو چندین گونه ای که در نوروسینتکس بیشتر بررسی شدن قرار گرفتن تا نمایانگر این دیدگاه تکاملی باشن.


این لوگو نسخه در حال کار هست و شاید نهایی نباشه. با بازخوردی که از شما میگیرم این لوگو بهبود پیدا خواهد کرد تا به یک نسخه نهایی و ثابت تبدیل بشه. خوشحال میشم دیدگاه های خودتون رو بنویسید. لطفا پیش از نوشتن دیدگاه ها محتوایی که بر مبنای اون لوگو در حال طراحی هست رو بررسی کنید.

❗️❗️اگر کسی هم طراحی هست و دوست داره روی این لوگو وقت بذاره پیام بده تا فایل AI رو براش ارسال کنم.

درود بر همه دوستان و همراهان،

نوروزتون پیروز

امیدوارم که سالی پر از سلامتی و شادی پیش رو داشته باشید و لحظاتی سرشار از نیکی و مهر برای خودتون و زیست جهان پیرامونتون خلق کنید.

آزمایشگاه نوروسینتکس - فصل 2 - قسمت 3 - High-density spike sorting with Kilosort and Phy


محتوای این جلسه:


High-density spike sorting with Kilosort and Phy

Spike sorting with template-matching algorithms
Manual curation with phy

Large-scale neural recordings for new insights to link brain and behavior
Novel electrode technologies for large ensemble recordings
Novel scientific methods lead to uncovering new patterns
Spike Sorting with Kilosort
Kilosort parameters
Phy - Interactive visualization of ephys data
Inter-spike interval, auto- and cross correlogram
Manual Curation
Noise, False Positives and False Negatives
Waveform inspection
Spatial decay
Positive extracellular spikes can correspond to return currents
Double-counted spikes
Complex spikes challenges clustering
Overlapping spikes or spike collisions
Fisher linear discriminant analysis

کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax

فردا، شنبه، جلسه بعدی Spike Sorting برگزار خواهد شد و درباره کنترل کیفی نتایج Spike Sorting بحث خواهیم کرد.

ساعت: هشت شب
مکان: آنلاین-زوم

تصویر از:
https://github.com/Julie-Fabre/bombcell

آزمایشگاه نوروسینتکس - فصل 2 - قسمت 4 - High-density spike sorting Quality Control

Spike Sorting Quality Control
Refractory Period Violations
What factors affect RPV
Missing Spikes
Single unit stability metrics
Gradual Drift and it's consequences

کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax