新浪新闻客户端

【倒计时1天】一个月学习多模态脑影像数据的处理与分析

【倒计时1天】一个月学习多模态脑影像数据的处理与分析
2021年07月16日 07:31 新浪网 作者 脑科学世界

  本班实行“一对一指导服务”,即如果报本班,不仅有同步回放视频,而且一对一指导服务,学期一个月,解决学完无法消化问题学不会免费继续学,直到学会为止。

  本班安排

     2021年7月17-18日:周末两天线上集中授课 可互动

     7月23/30/8月6/13日每晚三个小时一对一辅导解决学员问题

     13日以后学员可以在本班群里长期免费咨询

     赠送视频供回放使用,以后线下可免费复听

  课程背景

       磁共振成像(MRI)技术是人脑成像的重要研究工具。MRI研究已成为脑疾病、认知神经科学等领域的重要研究手段之一,但是MRI数据分析技术的不足严重制约着许多临床医生和研究生高水平研究的开展。为此,我们拟举办磁共振脑成像数据处理分析基础实操培训班,本次课程适合于零基础学员,手把手教学。经过本次培训,所有学员能具备独立分析核磁共振常见三种模态(fMRI, T1-weighted MRI, DTI)数据的能力。希望帮助刚刚接触磁共振脑成像的临床医生如放射、精神、神经内外科、康复科、儿科等及心理、语言、管理类研究生快速了解本领域及初步掌握数据处理及分析的相关方法、提高国内磁共振研究的基础水平。

  主要内容

      培训内容:resting-state fMR图像处理、task fMRI图像处理、T1-Weight 图像处理、PET图像处理、DTI图像处理,以及多模态数据联合分析,结果分析、作图等。

      主要包括fMRI技术的基础知识,数据预处理,基于fMRI的功能连接/有效连接分析基本原理和matlab 程序实现,ALFF,ReHo等体素指标计算,任务相关fMRI数据处理,T1-Weighted图像预处理,脑体积计算,PET图像处理,DTI数据处理,纤维素追踪,多模态联合分析,Advanced统计&多重比较,结果呈现和科研作图等。

  课程讲师

      李老师,熟悉 MRI,SPECT,PET 成像原理。精通 MATLAB 语言, 熟练掌握各种数据处理软件,SPM, FSL, Freesurfer, ExploreDTI,Rest, Dparsf, 以第一作者发表SCI论文多篇

  课程设置

  第一节

  8:30-10:00

  1、基本的软件安装

  Matlab、SPM、dcm2niigui、Rest、DPARSF、cat12、Difussion Toolkit、TrackVis、Gretna、BrainNet、FITI等

  第一天上午

  休息20分钟

  第二节

  10:20-11:50

  1、MRI成像原理

  2、MRI图像格式转换

  3、MRI图像查看

  4、静息态fMRI图像的处理

  5、实际操作

  第一天下午

     第一节

  2:00-3:30

  1、静息态fMRI图像的分析

  2、实际操作

  休息20分钟

  第二节

    3:50-5:20

  1、 脑功能网络的构建

  2、 实际操作

  3、 脑功能网络分析及作图

  4、 实际操作

  晚上

  第一节

  7:00-8:30

  1、block任务态fMRI图像的处理及分析

  2、实际操作

  休息10分钟

  第二节

  8:30-9:50

  1、event任务态fMRI图像的处理及分析

  2、实际操作

  第一节

  8:30-9:20

  1、T1加权图像的处理与分析

  2、实际操作

  第二天上午

  休息20分钟

  第二节

   10:00-11:40

  1、DTI图像的预处理

  2、实际操作

  1、 纤维素追踪

  2、 实际操作

  第二天下午

  第一节

   2:00-3:30

  1、DTI图像的分析

  2、实际操作

  休息20分钟

  第二节

  3:50-5:20

  1、多模态联合分析方法

  2、实际操作

  【主办单位】

  玮瑜科研平台

  【承办单位】

  上海玮瑜生物科技有限公司

  上海焦务科技服务中心

  【注册费用】

特别声明:以上文章内容仅代表作者本人观点,不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。
上海市
权利保护声明页/Notice to Right Holders

举报邮箱:jubao@vip.sina.com

Copyright © 1996-2024 SINA Corporation

All Rights Reserved 新浪公司 版权所有