Explore la résonance magnétique nucléaire, les principes d'IRM, les séquences de pouls, la reconstruction d'images, les considérations de sûreté et la normalisation du volume dans l'imagerie cérébrale.
Explore l'inférence statistique pour les modèles linéaires, couvrant l'ajustement du modèle, l'estimation des paramètres et la décomposition de la variance.
Explore la sélection de modèles imbriqués dans des modèles linéaires, en comparant les modèles à travers des sommes de carrés et ANOVA, avec des exemples pratiques.
Souligne la conception expérimentale dans l'analyse des données génomiques, en abordant la variabilité technique, les effets des lots et les solutions statistiques.
Introduit la cartographie topographique du cerveau, les voies auditives, l'organisation du cortex moteur et le modèle linéaire général pour l'analyse des données IRMf.
