【加油包】2022年最新课程：磁共振、脑电机器学习专题班

01

脑电与机器学习专题实战班

（Python版)

2022.3.31—2022.4.3

人数：为保证学习质量，我们坚持小班教学模式，此次实战班限定人数为15人，报名敬请从速。

地点：腾讯直播费用：3500元/人（含资料费、学费）。课程安排

时间	课程名	具体内容
第1天 赵宗亚	内容1	机器学习基础	1. 机器学习中的基本概念、分类与回归、交叉验证等 2. 机器学习模型的评价指标 3. 机器学习在脑电中的应用 4. 机器学习的一般分析流程
静息态和任务态脑电特征介绍	1.脑电功率特征；2.脑电功能连接特征；3.脑电熵、复杂度特征；4.ERP成分幅度特征等等
内容2	Python编程基础	1.基本数据结构 2.程序流控制 3.脚本、函数以及类的编写 4.机器学习工具箱sklearn介绍
第2天 赵宗亚	内容1	一般线性回归原理及实战操作	1. 线性回归的基本概念 2. 损失函数、梯度下降与参数拟合 3. 基于Python的线性回归实战（以实际数据为例）
内容2	K近邻分类（KNN）与线性判别分析（LDA）原理及实战	1. KNN的基本原理 2. LDA的基本原理 3.基于Python的KNN和LDA分类实战（以实际数据为例）
特征降维操作之PCA和特征选择方法	1.PCA的基本原理 2.PCA实战操作 3.常用特征选择方法：相关、t检验、Fisher score等
第3天 李柄橙	内容1	Lasso回归, Ridge回归, ElasticNet回归	1.基于Python的Lasso回归原理及实践（以实际EEG数据为例） 2.基于Python的Ridge回归原理及实践操作（以实际EEG数据为例） 3.基于Python的ElasticNet回归基本原理及实践操作（以实际EEG数据为例）
内容2	SVM分类和支持向量回归（SVR）	1.SVM分类的基本原理、核函数的概念 2.基于Python的SVM分类实战（以实际数据为例） 3.支持向量回归SVR的原理 4.基于Python的SVR回归预测实战（以实际数据为例）
第4天 李柄橙	上午	朴素贝叶斯分类器	1.朴素贝叶斯分类器基本原理 2.基于Python的朴素贝叶斯分类器实战操作
下午	决策树与随机森林模型	1.决策树与Boosting算法基本原理 2.随机森林（Random Forest）原理介绍 3.基于Python的决策树和随机森林分类实战（以实际EEG数据为例）

02

磁共振数据分析技术基础班

2022.03.26-2022.03.29

地点：通过网络直播形式进行，届时会在报名群中公布参与方式

费用：3500元/人（含资料费、学费）。课程安排

时间	课程名称	主要内容
第1天 韩少强	内容1	fMRI基础	1.BOLD信号产生的基础 2.fMRI数据采集 3.fMRI数据一般结构
内容2	静息态fMRI数据预处理	1.fMRI数据预处理一般流程 2.常用处理软件介绍、安装和使用 3.数据整理、数据格式转换、图像查看等
内容3	静息态fMRI数据预处理实践	1.SPM工具包介绍 2.基于SPM的fMRI预处理实操 3.基于其他工具包的fMRI预处理实操
第2天 韩少强	内容1	静息态fMRI指标计算	1.低频振幅ALFF、局部功能一致性ReHo、功能连接FC等常用指标的计算
内容2	统计分析	1.统计分析：单样本T检验、双样本T检验、配对T检验、方差分析等 2.多重比较校正（FDR、GRF、Alphasim等）
内容3	结果的输出与汇总	1.基于xjview软件的结果呈现 2.基于MRIcron软件的结果呈现 3.最终结果的输出与呈现统计结果与行为学/临床数据的结合
第3天 王潇	内容1	FCD（Functional  connectivity density）	1.FCD原理和意义 2.FCD的基本流程 3.FCD的具体操作和注意事项
内容2	ICA独立成分分析	1.ICA的基本原理 2.GIFT工具包介绍、安装 3.基于GIFT的ICA分析
内容3	FNC（functional  network connectivity）分析基础和实战	1.FNC分析基本原理和意义 2.FNC分析一般流程 3.提取各网络时间序列 4.计算网络间功能连接 5.FNC结果统计分析 6.FNC结果输出与报告
第4天 王潇	内容1	VBM数据处理基础	1.脑结构分析及VBM分析原理介绍 2.VBM分析流程、操作步骤详解
内容2	VBM数据处理实战操作与结果呈现	1.VBM数据处理实战操作：包括数据转换、图像检查、预处理、指标提取； 2.统计分析、结果汇报与呈现

学习班请扫码咨询

杏仁核琪琪
微信号：brainnews_11