کارگاه EEG + fMRI

خلاصه :

 در این گارگاه با مقدمه مبانی سیگنال مغز و fMRI وارد مبحث ترکیب دو مدالیته شده و الگوریتم و مزایا و معایب این روش تصویر برداری مغز توضیح داده خواهد شد.  منابع آرتیفکت و  نویز و نحوه حذف آنها بحث میشود . ملاحظات فنی و عملی مورد بررسی قرار خواهدگرفت و در نهایت بخش ثبت عملی در آزمایشگاه نقشه برداری مغز به تحلیل سیگنال نمونه خواهیم پرداخت.
مدت کارگاه :
۱۶ ساعت
پيش نياز:
آشنایی اولیه با مفاهیم سیگنال مغزی EEG و تصویر برداری MRI
تسلط نسبی به زبان انگلیسی برای درک بهتر کارگاه
اهداف دوره:
ایجاد پایه علمی و فنی  تصویر برداری مغز ترکیبی EEG-fMRI برای علاقه مندان , پژوهشگران
در انتهای اين دوره دانشجويان قادر خواهند بود:
مدالیته ترکیبی  و نقاط ضعف و قوت این ترکیب را در سطح کاربردی پیاده سازی و تحلیل داده را انجام دهند.

مدت کارگاه :
۱۶ ساعت
زمان و تاریخ:
اعلام میگردد
میزان سرمایه گذاری شما :
1.500.000 تومان
ظرفیت کارگاه:
10 نفر
Speaker: Prof. Saeid Sanei
Biography of the Speaker: Saeid Sanei is a Professor of Biomedical Signal Processing and Machine Learning in the School of Science & Technology at Nottingham Trent University, UK, a Visiting Professor in Digital Health to Imperial College London as well as to Clinical Neuroscience of King’s College London. He received his PhD from the Department of Electrical & Electronic Engineering, Imperial College London. Since then he has been a member of academic staff in Iran, Singapore, and the United Kingdom (King’s College London, Cardiff University, and University of Surrey, where he served as the Deputy Head of Computer Science Department).
He has also been a visitor to RIKEN Brain Institute in Japan, a Distinguished Speaker in Nanyang Singapore, an External Examiner to Glasgow University, London Southbank University, and University of Mauritius. He is currently a Technical Committee Member of the IEEE Signal Processing Theory and Methods (SPTM) and an Editor and Associate Editor of a number of Journals.
Prof Sanei’s research covers a wide area of signal processing and machine learning with major applications to EEG, EEG-fMRI, brain computer interfacing (BCI), and speech processing. His recent contributions to tensor factorization, cooperative networking, and deep learning have had many attractions. He has four books, a number of book chapters and over 350 peer reviewed papers mostly with IEEE

Advances in EEG-fMRI fusion and its Applications
The content :
1. Brain Scanning Modalities
2. Electroencephalography
2.1. Generation
2.2. Denoising
2.3. Characteristics
2.4. Event Related Potentials
2.5. Movement Related Potentials
3. EEG Applications
3.1 Source Localisation
3.2 Rhythm and Brain State Identification for Fatigue, Sleep, Seizure, etc.
4. EEG Processing Techniques
4.1 Signal Processing Tools and Software
4.2 Single and Multi-Channel Processing
4.3 Multivariate, Subspace, and Tensorial Approaches
4.4 Deep Learning Methods
5. Functional Magnetic Resonance Imaging
5.1 Generation
5.2 Usability
6. EEG-fMRI
6.1 Why EEG and fMRI
6.2 Recording
6.3 Mutual Artefacts
6.4 Fusion Techniques
6.4.1 EEG-assisted fMRI
6.4.2 fMRI Assisted EEG
6.4.3 Joint Analysis for Single and Multiple Tasks
7. Applications
7.5.1 Seizure Localisation

ثبت نام