به عنوان تمرین ما در جلسه امروز (شنبه) یا جلسه بعدش بخشی از تصویر بالا که مقاله مرجع ما هست رو درست میکنیم. از کدنویسی تا رفتن به Adobe Illustrator و گرفتن خروجی آماده چاپ

جلسه رو بهتره حضوری شرکت کنید هر چند ویدیو جلسه رو میذارم. در جلسه حضوری امتحان پرسش و پاسخ و رفع اشکالات رو دارید و پویایی جلسه بالاتر میشه و برای منم انگیزه بیشتر میشه.

#neurosyntax
https://t.me/Neuro_Syntax

مبانی نظریه اطلاعات شانون

برای جلسه فردا "حیات چیست" تماشای ویدیو "مبانی نظریه اطلاعات شنون" رو پیشنهاد میکنم.

#neurosyntax

در فصل دوم آزمایشگاه نوروسینتکس مقاله زیر را بررسی خواهیم کرد:

Spontaneous behaviors drive multidimensional, brainwide activity.

تحلیل های داده ای که خواهیم آموخت:

▫️چگونگی ثبت تصاویر فعالیت کلسیمی و آنالیز این تصاویر
- کار کردن با نرم افزار Suite2p برای پیش-پردازش داده های تصویربرداری کلسیمی مانند Image registration و ROI extraction

Suite2p: beyond 10,000 neurons with standard two-photon microscopy
github: https://github.com/Mouseland/suite2p


▫️پیش-پردازش داده های ثبت خارج سلولی (تمرکز بر مبانی Spike Sorting برای High-density recordings - با استفاده از نرم افزار Kilosort)

Spike sorting with Kilosort4
github: https://github.com/MouseLand/Kilosort

- ویرایش نتایج اتوماتیک الگوریتم ها با Phy
github: https://github.com/cortex-lab/phy

▫️آموزش کار کردن با Rastermap برای کشف الگوهای دیتا

Rastermap: a discovery method for neural population recordings
https://github.com/MouseLand/RasterMap

▫️آموزش کار با FaceMap برای پیدا کردن الگوهای رفتاری چهره

github: https://github.com/MouseLand/FaceMap

و بسیاری آنالیز های دیگر ...


بخشی از آنالیز های این مقاله پیشتر در ویدیوهای آموزشی بررسی شده:

- آموزش Support Vector Machines

- آموزش Singular Value Decomposition

اگر تمایل به همکاری در فصل دوم آزمایشگاه دارید، زیر این پست کامنت بذارید تا با شما تماس بگیرم.

#neurosyntax

نگارش علمی - قسمت اول - آناتومی مقالات علمی

در این مجموعه جدید درباره "هنر نگارش علمی" صحبت میکنیم و کوشش میکنیم مبانی نوشتن برای پژوهش های علمی رو بررسی کنیم.

محتوای این قسمت:

انواع مقالات علمی
آناتومی مقاله های پژوهشی
موشکافی محتوای بخش های مختلف یک مقاله (عنوان، چکیده، مقدمه، نتایج و بحث)
نقش نویسندگان مختلف مقاله

آکادمی نوروسینتکس
کانال تلگرام: https://t.me/Neuro_Syntax

#neurosyntax
#scientificwriting
#neurosyntaxlab

درود بر همگی همراهان

در جلسه آینده آکادمی نوروسینتکس درباره هنر نوشتن بحث خواهیم کرد. در این جلسه بخصوص درباره "ترکیب بندی" بحث میکنیم و اینکه چطور واژگان و جملات در کنار هم قرار میگیرند تا یک متن منسجم، روان، و دقیق تولید کنند. ترکیب بندی فصلی جدا از دانش گرامر و واژگان هست که حتی انگلیسی زبانان نیز در آن نیازمند آموزش هستند. این جلسه برای گروه های زیر مفید خواهد بود:

- زبان آموزان ( بخصوص آنهایی که آزمون های انگلیسی مثل تافل، آیلتس و GRE دارند)

- دانشجویان که قصد نگارش پایان نامه، گزارش علمی دارند.

- پژوهشگرانی که قصد نگارش مقاله دارند.

زمان برگزاری: شنبه - ساعت شش
مکان برگزاری: آنلاین - نرم افزار زوم

آکادمی نوروسینتکس
کانال تلگرام: https://t.me/Neuro_Syntax

#neurosyntax
#scientificwriting
#neurosyntaxlab

درود بر همگی همراهان،

در جلسه یکشنبه "حیات چیست؟" به بهانه خواندن کتاب اروین شرودینگر، تاریخچه ای از "ژن" رو مرور خواهم کرد. بسیاری از ما ژن رو با مدل واتسن و کریک میشناسیم اما ژن تاریخچه ای غنی تر و فراتر از این دو شخصیت علمی داره و پژوهشگران بسیاری در ایجاد مفهوم ژن و بدست آوردن ساختار ژنی و چگونگی وراثت نقش ایفا کردند که پیش از واتسن و کریک بودند. من به برخی از این شخصیت های گمنام تر خواهم پرداخت. در این تاریخچه همچنین مطرح خواهم کرد که مفهوم "ژن" به عنوان یک "کد" از کجا میاد و مفهوم "اطلاعات" ژنتیکی چه زمانی وارد واژگان علمی ما میشه.

#neurosyntax

نگارش علمی - قسمت 2 - ترکیب بندی در نوشتن


در این جلسه درباره‌ی هنر مهم ترکیب‌بندی در نگارش صحبت کردیم. نوشتن به‌تنهایی هدف نیست؛ بلکه نوشتنِ قاعده‌مند و اثرگذار هدف اصلی است. برای نگارش یک متن تأثیرگذار، باید خواننده را با جریانی روان، شفاف و دقیق با محتوای خود آشنا کنیم. در این جلسه بررسی کردیم که چگونه می‌توانیم به این هدف برسیم.

سرفصل های اصلی جلسه:
چگونه از زبان فعال در نگارش استفاده کنیم؟
چگونه می‌توانیم ساختاری موجز و با روایت منطقی در متن ایجاد کنیم؟

این جلسه برای گروه‌های زیر مفید خواهد بود:
زبان‌آموزان، به‌ویژه کسانی که در حال آماده شدن برای آزمون‌های انگلیسی مانند تافل، آیلتس و GRE هستند.
دانشجویانی که قصد نگارش پایان‌نامه یا گزارش علمی دارند.
پژوهشگرانی که به دنبال نگارش مقاله‌های علمی هستند.


آکادمی نوروسینتکس

#neurosyntax
#lab

درود بر همگی همراهان،

در جلسه یکشنبه "حیات چیست؟" به بهانه خواندن کتاب اروین شرودینگر، تاریخچه ای از "ژن" رو مرور خواهم کرد. بسیاری از ما ژن رو با مدل واتسن و کریک میشناسیم اما ژن تاریخچه ای غنی تر و فراتر از این دو شخصیت علمی داره و پژوهشگران بسیاری در ایجاد مفهوم ژن و بدست آوردن ساختار ژنی و چگونگی وراثت نقش ایفا کردند که پیش از واتسن و کریک بودند. من به برخی از این شخصیت های گمنام تر خواهم پرداخت. در این تاریخچه همچنین مطرح خواهم کرد که مفهوم "ژن" به عنوان یک "کد" از کجا میاد و مفهوم "اطلاعات" ژنتیکی چه زمانی وارد واژگان علمی ما میشه.

#neurosyntax

درود بر همگی همراهان،

در جلسه هفته آینده "حیات چیست؟"، من تاریخچه زیست شناسی مولکولی رو ادامه میدم و درباره پروتئین صحبت خواهم کرد. در کنار فصول کتاب شرودینگر، مقالات مهمی از کریک رو خواهیم خوند که در پایین ضمیمه کردم.

#neurosyntax

آزمایشگاه نوروسینتکس - فصل 2 - قسمت 1 - ارائه مقاله


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.

لینک مقاله فصل دوم آزمایشگاه نوروسینتکس:

Spontaneous behaviors drive multidimensional, brainwide activity


محتوای این قسمت:
پیش نیاز های تحلیل مقاله اصلی
دو سنت اندیشه ای در علوم اعصاب:
-- نورون ها چطور وقایع گوناگون را کد میکنند؟
-- فعالیت جمعیت نورون ها چطور حالات سیستم (بیداری، توجه، هشیاری و ..) را کد میکند؟
آشنایی با رویکردهای جدید ثبت فعالیت نورونی با تمرکز بر فناوری Neuropixel
چرا در پاسخ های نورونی به محرک های یکسان پراکندگی/تنوع مشاهده میکنیم؟
چگونه حضور محرک تنوع پاسخ های نورونی را کاهش میدهد؟
ارتباط میان متغیر های حرکتی، مانند حرکات صورت و یا قرنیه، و پاسخ نورونی نواحی حسی اولیه و یا شناختی
کدهای جمعیت نورونی، همبستگی نویز، و همبستگی سیگنال و ارتباط آن با رمزگشایی کدها


#neurosyntax
#lab

آزمایشگاه نوروسینتکس - فصل 2 - قسمت 2 - ارائه مقاله

ارائه و بررسی مقاله Spontaneous behaviors drive multidimensional, brainwide activity

Spontaneous cortical activity reliably encodes a high-dimensional latent signal
Ongoing neural activity encodes multidimensional behavioral information
Behaviorally related activity is spread across the brain
Stimulus-evoked and ongoing activity overlap along one dimension

کانال تلگرام:
https://t.me/Neuro_Syntax

#neurosyntax #lab

با توجه به نتایج نظرسنجی، جلسات آزمایشگاه نوروسینتکس از هفته آینده ساعت 8 شب (به وقت تهران) پیگیری خواهد شد.

محتوای جلسه آینده:

- اسپایک Spike چیست؟
- چگونه میتوانیم اسپایک ها را از سیگنال های ثبت خارج سلولی استخراج کنیم و آنها رو گروه بندی کنیم؟
- چگونه بر مبنای ویژگی های سیگنال (اسپایک) درباره منشا ایجاد سیگنال استدلال میکنیم؟ (Blind Source Separation)
- انواع مختلف الگوریتم های Spike Sorting چیست؟
- چگونه از Kilosort 4 برای استخراج و گروه بندی اسپاک ها استفاده کنیم؟
- معیارهای سنجش خروجی های الگوریتم های Spike Sorting چیست؟ (کیفیت سنجی یا Quality Control)
- چگونه با استفاده از Phy نتایج Kilosort رو بررسی و ویرایش میکنیم؟

#neurosyntax
#lab

با توجه به نتایج نظرسنجی، جلسات آزمایشگاه نوروسینتکس از هفته آینده شنبه ها ساعت 8 شب (به وقت تهران) پیگیری خواهد شد.

محتوای جلسه آینده:

- اسپایک Spike چیست؟
- چگونه میتوانیم اسپایک ها را از سیگنال های ثبت خارج سلولی استخراج کنیم و آنها رو گروه بندی کنیم؟
- چگونه بر مبنای ویژگی های سیگنال (اسپایک) درباره منشا ایجاد سیگنال استدلال میکنیم؟ (Blind Source Separation)
- انواع مختلف الگوریتم های Spike Sorting چیست؟
- چگونه از Kilosort 4 برای استخراج و گروه بندی اسپاک ها استفاده کنیم؟
- معیارهای سنجش خروجی های الگوریتم های Spike Sorting چیست؟ (کیفیت سنجی یا Quality Control)
- چگونه با استفاده از Phy نتایج Kilosort رو بررسی و ویرایش میکنیم؟

#neurosyntax
#lab

🧠 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 بر همه دوستان،

نخستین جلسه دوره Generalized Linear Models امروز (یکشنبه) ساعت ۱۹:۰۰ برگزار خواهد شد.

در این جلسه ابتدا درباره‌ی اهمیت توزیع‌های احتمالی صحبت می‌کنیم و می‌بینیم چگونه این توزیع‌ها به ما کمک می‌کنند جهان اطراف‌مان را مدل‌سازی کنیم. سپس وارد بحث مدل‌سازی آماری می‌شویم و اجزای اصلی آن را مرور می‌کنیم.

در ادامه، با رگرسیون خطی آشنا می‌شویم: از نوشتن مدل گرفته تا بهینه‌سازی پارامترها. همچنین دو روش مهم Least Squares و Maximum Likelihood را معرفی و مقایسه خواهیم کرد. در پایان جلسه، درک روشنی از چیستی رگرسیون خطی و چگونگی عملکرد آن خواهید داشت.

❕این مجموعه جلسات برای تمام علاقه‌مندان به آمار، مدل‌سازی و یادگیری ماشین مفید است. اگرچه مثال‌ها بیشتر از حوزه‌ی علوم اعصاب انتخاب شده‌اند، مفاهیم پایه در همه حوزه‌ها یکسان هستند.

❗️با توجه به اینکه بسیاری از روش‌های نوین آزمون فرضیه بر پایه‌ی مدل‌سازی خطی طراحی شده‌اند، حتی اگر مستقیماً به مدل‌سازی علاقه‌مند نیستید، این دوره می‌تواند در تحلیل آماری داده‌ها برای شما بسیار سودمند باشد.

#neurosyntax