Séance de cours
Analyse des données sur les neurosciences
Séances de cours associées (57)
Analyse des données sur les neurosciences
Explore l'analyse des données neurosciences, en se concentrant sur les courants K+ et Na+, les courants Ca2+ et la reproductibilité des données.
Dans Silico Neuroscience: Reproductibilité et réutilisabilité des données
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Simulation de réseau et dynamique d'activité
Explore la simulation du réseau neuronal, la dynamique d'activité et les processus de validation afin d'assurer des prévisions précises.
Les Microcircuits de Striatum dans le Silico
Explore la reconstruction d'un modèle de niveau cellulaire striatal à grande échelle de souris pour intégrer et interpréter les données striatales.
Classification des neurones : types et défis
Explore la classification des neurones, soulignant l'importance de comprendre la complexité du cerveau et les défis dans la définition des types de cellules.
Connectivité synaptique structurée
Explore la connectivité synaptique structurée entre les régions hippocampales en utilisant des techniques comme le mGRASP et la modélisation.
In Silico Neuroscience: Simulation de réseau
Se penche sur la simulation de la dynamique du réseau dans les neurosciences silico, couvrant l'activité spontanée et évoquée, les simulations in-vitro et in-vivo, et l'analyse de sensibilité.
Connectivité synaptique structurée dans les régions Hippocampales
Explore la connectivité synaptique dans les régions hippocampales, en mettant l'accent sur la complexité des réseaux neuronaux et le rôle des approches de modélisation.
Bâtir des réseaux neuraux : stratégies d'assemblage
Se concentre sur l'assemblage des éléments constitutifs du réseau neuronal et sur la gestion de la rareté des données à l'aide de diverses stratégies et hypothèses.
Simulation réseau : Activité spontanée et validation
Couvre l'activité spontanée du réseau cérébral, la simulation neuronale et la validation, soulignant l'importance des conditions in-vitro et in-vivo pour une modélisation précise du réseau.