Acquisire le conoscenze specifiche di teorie, metodi e tecnologie per la comprensione e l'analisi delle funzionalità del sistema nervoso umano. In particolare, il corso fornisce esempi applicativi nell’ambito del recupero e assistenza in disabilità, come le interfacce cervello-computer (brain computer interface, bci) e le neuroprotesi.
scheda docente
materiale didattico
Introduzione alla neuroingegneria
Modelli passivi delle cellule eccitabili
Modelli attivi: Hodgkin-Huxley
Parte II: neural signal processing
Modelli matematici di spiking activity
Algoritmi di spike detection
Algoritmi di spike sorting
Implementazione pratica in Python
Parte III: controllo motorio
Cenni di teorie di controllo motorio
Controllo motorio modulare
Sinergie muscolari
Implementazione pratica in Python
He, B. (Ed.). (2007). Neural engineering. Springer Science & Business Media.
Aurelien Geron (2019). Hands on Machine Learning. O’Reilly
Programma
Parte I: modelli elettrici del neuroneIntroduzione alla neuroingegneria
Modelli passivi delle cellule eccitabili
Modelli attivi: Hodgkin-Huxley
Parte II: neural signal processing
Modelli matematici di spiking activity
Algoritmi di spike detection
Algoritmi di spike sorting
Implementazione pratica in Python
Parte III: controllo motorio
Cenni di teorie di controllo motorio
Controllo motorio modulare
Sinergie muscolari
Implementazione pratica in Python
Testi Adottati
Horch, K. W., & Dhillon, G. S. (Eds.). (2004). Neuroprosthetics: theory and practice (Vol. 2). World Scientific.He, B. (Ed.). (2007). Neural engineering. Springer Science & Business Media.
Aurelien Geron (2019). Hands on Machine Learning. O’Reilly
Modalità Valutazione
Prova pratica (3 ore) Colloquio orale