Explore les méthodes dynamiques de connectivité fonctionnelle dans l'IRMf, en mettant l'accent sur l'identification de plusieurs états cérébraux et leurs applications dans la compréhension des troubles cérébraux.
Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.
Explore le traitement neurobiologique des signaux, couvrant la modélisation des pics, la classification des signaux et la caractérisation des données à l'aide de l'analyse des composantes principales.
Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Explore les progrès de l'IRMf de la moelle épinière à 7 Tesla, en soulignant son importance dans la compréhension des pathologies du système nerveux central.
Explore l'intégration de la structure et de la fonction cérébrales à l'aide des techniques de traitement des signaux graphiques, y compris l'IRM fonctionnelle et l'analyse du connectome structurel.
Explore la classification des neurones, soulignant l'importance de comprendre la complexité du cerveau et les défis dans la définition des types de cellules.
Couvre la régression linéaire, la régularisation, les problèmes inverses, la tomographie par rayons X, la reconstruction d'images, l'inférence de données et l'intensité du détecteur.
Explore le rapport signal sur bruit, le filtrage des signaux bruités et la densité spectrale de puissance pour la réduction du bruit dans le traitement du signal.
Explore les ondes topologiques pour des applications robustes de traitement des signaux, en mettant l'accent sur la résistance aux perturbations et le paradigme de conception des systèmes topologiques.