Última actualización: 16/05/2023


Curso Académico: 2023/2024

Neuroimagen
(19285)
Máster Universitario en Aprendizaje Automático para la Salud (Plan: 480 - Estudio: 359)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: DESCO MENENDEZ, MANUEL

Departamento asignado a la asignatura: Departamento de Bioingeniería

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
- Tratamiento de imágenes biomédicas (si el alumno no ha cursado otra equivalente en el grado de origen)
Objetivos
La Neuroimagen constituye hoy en día una herramienta esencial, no solo para el diagnóstico clínico, sino para la investigación en Neurociencia y procesos cognitivos. Las numerosas metodologías de obtención de imagen y la complejidad de los datos generados conducen a la necesidad de emplear técnicas de procesado de imagen altamente especializadas, cuyo uso que requieren una formación altamente multidisciplinar. En este curso se persigue, en primer lugar, familiarizar al alumno con los conocimientos neurofisiológicos y neuropsicológicos necesarios para procesar e interpretar las neuroimágenes, así como impartir un conocimiento básico de las técnicas de imagen implicadas. Sobre esa base se explican los fundamentos del preprocesamiento y procesamiento de datos de neuroimagen de resonancia magnética estructural, de difusión, y funcional y se capacita al alumno para definir sus propios análisis, convencionales o en el contexto del aprendizaje automático, así como a interpretar los resultados desde un punto de vista crítico y multidisciplinar.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introduction to neuroimaging 1.1. Introduction: Course presentation; basic concepts in neuroscience, neuroimaging methods 1.2. Brain and mental processes 1.3. General concepts: Data formats, MRI acquisition, processing tools 2. Structural MRI 2.1 Structural MRI processing 2.2 Practical session 1: MRI basics and structural MRI 3. Diffusion-Weighted Imaging 3.1 Introduction to diffusion-weighted imaging 4. Functional MRI 4.1 Functional MRI tasks and BOLD contrast 4.2 Preprocessing of functional MRI 4.3 Practical session on fMRI preprocessing 4.4 Task-based MRI and neuroimaging analysis 4.5 Resting-state fMRI and functional connectivity 4.6 Practical session on fMRI and analysis 5. Advanced topics 5.1 Machine learning in neuroimaging 5.2 Reliability: Can you believe on your results?
Actividades formativas, metodología a utilizar y régimen de tutorías
AF3 Clases teórico prácticas AF4 Prácticas de laboratorio AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Exámenes parciales y finales Código actividad Nº Horas totales Nº Horas Presenciales% Presencialidad Estudiante AF3 16,5 16,5 100% AF4 4,5 4,5 100% AF6 15 0 0% AF7 37 0 0% AF8 2 2 100% TOTAL MATERIA 75 23 30,66%
Sistema de evaluación
  • Peso porcentual del Examen Final 20
  • Peso porcentual del resto de la evaluación 80
Calendario de Evaluación Continua
Bibliografía básica
  • Janine Bijsterbosch, Stephen Smith and Christian Beckmann. Resting State fMRI Functional Connectivity. Oxford Neuroimaging Primers. 2017
  • Mark Jenkinson and Michael Chappell. Introduction to Neuroimaging Analysis . Oxford Neuroimaging Primers. 2018
  • Russell A. Poldrack, Jeanette A. Mumford, Thomas E. Nichols. Handbook of Functional MRI Data Analysis. Cambridge University Press. 2011
  • Susumu Mori and J-Donald Tournier. Introduction to Diffusion Tensor Imaging: And Higher Order Models. Academic Press. 2013
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Derek K. Jones. Diffusion MRI: Theory, Methods, and Applications. Oxford University Press. 2011
  • Hernando Ombao, Martin Lindquist, Wesley Thompson and John Aston. Handbook of Neuroimaging Data Analysis. Chapman & Hall/CRC Handbooks of Modern Statistical Methods. 2016
  • Scott A. Huettel, Allen W. Song, and Gregory McCarthy. Functional Magnetic Resonance Imaging. Oxford University Press. 2014
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.