Classification of neurons based on their electrical signals

הרקע לפרויקט:

השימוש בננו חלקיקים מגנטיים להפעלת מניפולציות מגנטיות על תאים, ארגון רשתות נוירונים והכוונת תרופות לאזורי מטרה נעשה פופולרי ומהווה מוקד מחקר בשנים האחרונות.
התקשורת בין נוירונים היא באמצעות סיגנלים חשמליים, וזו למעשה אחראית על כל התפקודים העצביים, ולכן הבנת ההשפעה של נוכחות חלקיקים מגנטיים על הפעילות החשמלית של נוירונים היא קריטית והכרחית בכדי לקדם שימוש נרחב ויישומים חדשניים של שליטה מגנטית ברשתות נוירונים.

מטרת הפרויקט:

במסגרת הפרויקט נמדוד פרמטרים שונים שנחלץ מהדאטא של ההקלטות החשמליות של הנוירונים (כמו אמפליטודה ותדירות שישמשו כמדדים להשוואה בין הקלטות שונות), וננסה ליישם מודלים שונים של למידת מכונה כדי להצליח להבחין בין הקלטות שמקורן ברשתות ממוגנטות להקלטות שמקורן ברשתות נוירונליות רגילות.

תכולת הפרויקט:

• הסטודנטים ילמדו על הסיגנלים שמתקבלים בהקלטות חוץ תאיות
• הסטודנטים יפתחו קוד לעיבוד של הדאטה ולחילוץ מאפיינים מתוך ההקלטות החשמליות
• הסטודנטים ישוו מודלים שונים לקלסיפיקציה של סיגנלים חשמליים- אם הגיעו מנוירון רגיל או מנוירון עם חלקיקים מגנטיים בתוכו

קורסי קדם:

פיזיולוגיה כמותית, מדעי נתונים ביולוגים, מבוא ללמידת מכונה

דרישות נוספות:

כל ידע בניתוח נתונים ,למידת מכונה וdeep learning, תכנות בMATLAB ו python

מקורות:

1. Carter, M., & Shieh, J. (2015). Electrophysiology. Guide to Research Techniques in Neuroscience, 89–115. https://doi.org/10.1016/B978-0-12-800511-8.00004-6
2. Beker, S., Kellner, V., Chechik, G., & Stern, E. A. (2016). Learning to classify neural activity from a mouse model of Alzheimer's disease amyloidosis versus controls. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring, 2, 39-48 .‏https://doi.org/10.1016/j.dadm.2016.01.002