Politecnico di Torino | |||||||||||||||||
Anno Accademico 2017/18 | |||||||||||||||||
01RXNMV Neuroengineering |
|||||||||||||||||
Corso di Laurea Magistrale in Ingegneria Biomedica - Torino |
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
Presentazione
Applicando l’ingegneria alle neuroscienze, il filo conduttore del corso sarà l’analisi del cervello umano a diversi livelli d’integrazione: dalla singola cellula a piccole reti neurali, fino a considerare il cervello come organo, misurando quantitativamente il metabolismo cerebrale e studiando le funzioni complesse del cervello come il controllo neurale delle sinergie muscolari, l’integrazione visuo-percettiva e il doppio compito.
|
Risultati di apprendimento attesi
Lo studente acquisirà la conoscenza delle tecnologie in uso, e di quelle emergenti, per l’interfacciamento con il cervello umano. Lo studente otterrà l’abilità di acquisire segnali reali dal cervello ed elaborarli utilizzando algoritmi Matlab. Verranno sviluppate anche competenze trasversali quali: l’abilità di lavorare in gruppo per affrontare un compito di laboratorio che simulerà un problema del mondo reale; la competenza di analizzare informazioni dalla letteratura e di applicarle ad un problema nuovo; la capacità di comunicare efficacemente le scelte metodologiche adottate per risolvere un problema.
|
Prerequisiti / Conoscenze pregresse
Conoscenze di base di matematica, fisica, informatica e di bioingegneria meccanica, chimica ed elettronica come già appreso nel Corso di laurea triennale in Ingegneria Biomedica.
|
Programma
1. Neuroanatomia funzionale e neurofisiologia
2. Ingegneria della neurobiologia: dalla singola cellula a piccole reti neurali 2.1 Rilevamento di potenziale di transmembrana della singola cellula, elettrodi e circuiti, tecnica del "voltage-clamp" 2.2 Microelectrode Arrays (MEAs) per studiare l’attività elettrica di reti neuronali 2.3 MEAs non impiantabili: fabbricazione e circuiti (in vitro) 2.4 MEAs impiantabili: fabbricazione e circuiti (in vivo) LAB1: Simulazione di rete neuronale 3. Misurare la funzione cerebrale e il suo metabolismo: da reti estese fino al livello dell’organo 3.1 Risonanza magnetica funzionale (fMRI) 3.2 Spettroscopia all’infrarosso vicino (NIRS) LAB2: acquisizione ed elaborazione di segnali NIRS dalla corteccia pre-frontale utilizzando diversi tipi di stimoli 4. Stimolazione cerebrale 4.1 Stimolazione transcranica a corrente diretta continua (tDCS) e alternata (tACS) 4.2 Transcranial magnetic stimulation (TMS) 4.3 Stimolazione del nervo vago (VNS) 5. Integrazione del Sistema Nervoso Centrale (CNS) e di quello periferico (PNS): dal controllo della generazione della forza da parte del singolo muscolo al compimento di attività funzionali complesse 5.1 Relazione fra forza e frequenza di sparo 5.2 Principio del "common drive" 5.3 Fenomeno dell’ "onion skin" 5.4 Sinergie muscolari LAB3: Non-linear Matrix factorization (NMF) per l’estrazione di sinergie muscolari durante il cammino 6. Brain Machine Interface: dal pensiero all’azione 6.1 Invasiva, semi-invasiva, per stimolazione, bidirezionale 7. Neuroprotesi (protesi sensoriali e motorie): una visione del futuro 7.1 Ricerca pre-clinica: protesi retinica (occhio bionico) 8. Integrazione multisensoriale: singole funzioni per compiere compiti complessi 8.1 Neuroscienza della visione e integrazione con il sistema vestibolare e con il sistema somatosensoriale 8.2 Postura eretta 8.3 Oscillazioni posturali e posturografia 8.4 Neuroingegneria cognitiva: doppio compito LAB4: Acquisizione ed elaborazione di segnale COP da una piattaforma di forza durante un compito di equilibrio posturale con occhi aperti e chiusi 9. Neuroriabilitazione mediante realtà virtuale: recuperare funzioni complesse 9.1 Interfacce aptiche e manipolatori 9.2 Riabilitazione robotica e esoscheletri |
Organizzazione dell'insegnamento
Lezioni frontali (39 ore) + 4 laboratori (21 ore).
La frequenza ai laboratori è obbligatoria per poter accedere all’esame finale. |
Testi richiesti o raccomandati: letture, dispense, altro materiale didattico
Slide, articoli e testi del laboratorio forniti dal docente. Dati e segnali acquisiti durante le sessioni di laboratorio + codice Matlab per impratichirsi sull’elaborazione e l’analisi/interpretazione dei dati.
|
Criteri, regole e procedure per l'esame
Il voto finale verrà calcolato sommando i seguenti punteggi:
- relazioni di laboratorio: fino a 6/33 punti - esame scritto: fino a 15/33 punti - discussione orale su una delle relazioni di laboratorio: fino a 12/33 punti. Se il voto finale sarà maggiore o uguale a 31 verrà assegnata la Lode. |
Orario delle lezioni |
Statistiche superamento esami |
|