Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Explore les bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.
Couvre les mises en garde et le résumé de Simulation Neuroscience, soulignant l'importance des données critiques et des trois approches fondamentales pour comprendre le cerveau.
Explore la modélisation de l'activité électrique du neurone, y compris les canaux ioniques et les concentrations, l'équation de Nernst et le potentiel de repos.
Explore le traitement du signal graphique appliqué aux réseaux cérébraux, en mettant l'accent sur la relation entre la fonction cérébrale et la structure en utilisant des méthodes telles que le graphique Fourier Transform et l'indice de découplage structural.
Explore l'extraction de texte de données à longue queue dans les neurosciences et la connectivité cérébrale, y compris la reconnaissance d'entités nommées, l'extraction de la concentration de protéines et la comparaison des matrices de connectivité.
Introduit des approches et des applications modernes en neuroscience, mettant l'accent sur la modélisation computationnelle et son importance dans la compréhension du cerveau.
Présente les atlas du cerveau de l'Institut Allen, les outils génétiques, l'analyse de connectivité et les modèles de calcul pour comprendre la fonction cérébrale.