NeuroSyntax – Telegram
NeuroSyntax
4.58K subscribers
399 photos
84 videos
70 files
320 links
Download Telegram
با راهنمایی دوستان نسخه جدیدی از لوگو طراحی کردم که انتزاعی تر هست ولی فکر میکنم شیک تر شده. اگر پیشنهادی درباره این نسخه جدید دارید زیر این پست میتونید قرار بدید.
Channel photo updated
درود بر همگی دوستان،

در جلسه پیش رو درباره "تصویر برداری کلسیمی از نورون ها" صحبت خواهم کرد. محتوای جلسه:

* تصویر برداری کلسیمی چیست و چگونه کار میکند؟
* مزایا و محدودیت های تصویر برداری کلسیمی چیست؟
* رویکردهای پیش آنالیز تصاویر کلسیمی چیست؟ (از تصویر به سیگنال - آموزش نرم افزار Suite2p)


بسته به حجم محتوا، ممکن است دو جلسه برگزار کنیم.

#neurosyntax
برای دوستانی که درخواست کرده بودن این کتاب ها جزو بهترین های Prefrontal Cortex هستند.
درود دوستان

با توجه به اینکه اختلاف ساعت به 7:30 برگشته، برگزاری جلسات ساعت 8 که طبق نظرسنجی انتخاب شده بود ممکنه هر هفته امکان پذیر نباشه. شاید ساعت رو تغییر بدم. این هفته به شکل خاص ممکنه خیلی عقب بیاد به دلیل اینکه ممکنه نیاز بشه برم آزمایشگاه ولی در کل سعی میکنم خیلی عقب نیارم و تا جایی که ممکنه هم همون 8 رو نگه دارم. پیام رو برای برنامه ریزی های آینده شما قرار میدم.

زمان دقیق جلسه این هفته رو فردا اعلام میکنم.

سپاس
آزمایشگاه نوروسینتکس - فصل 2 - قسمت 5 - Two-photon calcium imaging of neuronal activity

در مجموعه جلسات آزمایشگاه علوم اعصاب، تلاش می‌کنیم خود را جای پژوهشگران مقالات علمی قرار داده و پرسش‌ها و رویکردهای آن‌ها را نقد کنیم. با استفاده از داده‌های به اشتراک‌گذاشته‌شده، به روش‌های متنوع تحلیل داده‌ها آشنا می‌شویم.

محتوای این جلسه:

Why optical imaging?
The principles of fluorescence calcium imaging
Pipeline of two-photon calcium imaging
Types of calcium indicators
Expressing GECIs in the brain
Considerations for choosing calcium indicators
Common window preparations for in vivo imaging
Components of a 2P microscope
2PCI analysis pipeline with Suite2p
Image Registration
Source localization and activity extraction
Neuropil
Spike inference
Convolution due to kinetics of GECI fluorescence
Limitations of 2p calcium imaging



کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
کانال آکادمی نوروسینتکس در یوتیوب را دنبال کنید. از شما یک کلیک زمان میبره ولی در گسترش کانال اثر بسزایی داره.

https://www.youtube.com/@neurosyntaxacademy
درود بر همگی دوستان،

بر مبنای برنامه ریزی که کرده بودیم نیمی از فصل دوم آزمایشگاه نوروسینتکس رو پشت سر گذاشتیم. این هفته من چگونگی کار کردن با نرم افزار Suite2p و آنالیز سیگنال های کلسیمی رو به گونه ای عملی به شما آموزش خواهم داد. در هفته های آینده متدهای FaceMap و Rastermap را بررسی خواهیم کرد و فصل دوم را به پایان میبریم.

جلسه این هفته نوروسینتکس یکشنبه ساعت 8 شب برگزار خواهد شد.

سپاس
برای فصل سوم آزمایشگاه نوروسینتکس، تصمیم گرفتم بین دو موضوع پایین یکی رو ارائه کنم که میتونید از میانشون انتخاب کنید:

* Capturing the Dynamical Repertoire of Neurons with Generalized Linear Models

* Uncovering temporal structure in neural data with Hidden Markov Models
Uncovering temporal structure in hippocampal output patterns

در موضوعات بالا بیش از اینکه روی متد های یک مقاله تمرکز کنیم، روی یک خانواده از آنالیز ها که GLM یا HMM هستن تمرکز خواهیم کرد و کاربردهای گوناگون این رویکردها رو در کار کردن با انواع داده (نورونی، رفتاری، نورونی-رفتاری) خواهیم گفت.
برای فصل سوم آزمایشگاه نوروسینتکس، کدام خانواده از آنالیز های زیر را انتخاب میکنید؟
Anonymous Poll
55%
Generalized Linear Models
45%
Hidden Markov Models
NeuroSyntax pinned «برای فصل سوم آزمایشگاه نوروسینتکس، کدام خانواده از آنالیز های زیر را انتخاب میکنید؟»
NeuroSyntax pinned a photo
NeuroSyntax
Photo
درود بر همگی دوستان و کسانی که در نظرسنجی فصل سوم نوروسینتکس شرکت کردند.

▫️با توجه به نتایج رای گیری که بسیار نزدیک هست و اینکه مبحث GLM ها پایه ای تر و راحت تر از HMM هست، فصل سوم رو به GLM ها اختصاص میدیم و برای فصول بعدتر به سراغ HMM خواهیم رفت.

▫️با توجه به اینکه GLM در علوم اعصاب برای کاربردهای گوناگونی بکار گرفته شده سعی میکنم مجموعه ای از مقالات رو گردآوری بکنم که یک گستره خوبی از تنوع کاربردی این خانواده از آنالیز ها رو آموزش بده.

▫️اگر علاقه مند به ارائه مقالات یا مباحث پایه GLM هستید زیر این پست اعلام آمادگی کنید تا بهتون پیام بدم.

▫️من لیستی از مقالاتی که فکر میکنم مناسب این فصل هستند رو میارم ولی این لیست شاید تا زمان آغاز جلسات تغییر کنه. اگر مقالات مناسبی میشناسید که از GLM ها استفاده کرده ارسال کنید تا بررسی کنم.

لیست مقالات و منابع:

Machine Learning for Neural Decoding

Generalized Linear Models for Point Process Analyses of Neural Spiking Activity

Spatio-temporal correlations and visual signalling in a complete neuronal population

Reconstructing neuronal circuitry from parallel spike trains

GLMspiketraintutorial_python

GLMspiketools

تمامی مبانی این بحث ارائه خواهد شد اما اگر علاقه مند هستید پیش از شروع جلسات کمی درباره این خانواده آنالیزها بدونید میتونید ویدیو زیر از نورومچ رو نگاه کنید:

Machine Learning: GLM