神经科学MATLAB教程——MATLAB科学计算导论

MATLAB for Neuroscientists : An Introduction to Scientific Computing in MATLAB

作者:  Pascal Wallisch                                                                                                                                                        

出版: 科学出版社

索书号:  Q189-37/M433/2012/Y

ISBN:     9787030330567

藏书地点: 武大外教中心

 

我们是如何看见这纷繁美丽的世界?公园前5世纪,古希腊哲学家恩培多克勒认为万事万物是由火、气、水和土四种元素组成,而掌管爱和美的女神阿佛洛狄特点燃了眼睛中的火焰,发出光芒照射在外界上,于是我们便有了视觉。随后的哲学家柏拉图、欧几里得、托勒密等进一步完善了这个理论,提出了眼睛发出光线和阳光等外在光源发出的光线在物体上交汇而产生视觉,完美的解释了为什么我们在黑夜无法看见物体的原因。这个貌似自洽的理论主宰了后人对视觉的认识——直到现在,还有近50%的美国大学生相信我们是通过眼睛发出的光束而看到世界的。然而,再完美的理论,也只是理论,而不是事实。理论只有经过实验的验证、数据的支持,才可能是事实。今天,实验验证已经成为深入人心的基本原则。

但是,我们似乎比前人更加迷惘,这是因为我们已经淹没在无穷无尽的数据海洋之中。当Helmholtz研究颜色视觉的时候,他手里只有分光仪和自己的直觉;而现在我们有了炫目的新技术。在基因层面上,通过分子遗传学技术,我们可以获得受试者的整个基因图谱,   从而筛选出对视觉有特异调控功能的基因位点。在神经元层面,通过神经电生理技术,我们可以或得受试者视觉区域单个神经的神经发放脉冲和局部场电位;更重要的是,我们可以获得神经环路的信息,从而了解众多的神经元如何形成一个整体,对外部世界进行群体编码。在神经核团层面,通过功能核磁共振脑成像技术。脑电图和脑磁图,我们可以获得视觉信息在全脑层面上的编码、流动和加工,从而将物理世界和心里世界一一映射、合二为一。在行为层面上,借助心里物理法,我们可以通过刺激输入和行为反应模式,构建受试者加工视觉信息的认知模型。这些数据,分别从基因、神经元、神经核团、神经环路和行为等多个层面上描述了视觉的特性。现在的问题是:(1)如何从这些海量数据中,挖掘到关键信息;(2)如何将这些信息整合起来,形成对视觉的一个完整的描述。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        

《神经科学MATLAB教程——MATLAB科学计算导论》本书的创作源于过去几年一系列定量神经科学的课程,特别是芝加哥大学的研究生计算神经科学教程。这个项目开始于2001年,是为数不多的集中关注计算神经科学并且包括了完整的细胞、系统、行为和认知神经科学、神经元模型的项目。这些课程很多既包括讲座又包括实验室研讨,从而让学生获得使用MATLAB软件来解决各种神经科学问题的亲身体验。

《神经科学MATLAB教程——MATLAB科学计算导论》这本书是在2012年由科学出版社出版,编者Pascal Wallisch。这本书的内容以将MATLAB作为一个综合性的平台,跨越整个实验神经科学循环——刺激产生、数据收集和实验控制、数据分析和数据建模这一哲学理念为导向。本书作者教学经验丰富,作者并非将MATLAB单纯视为程序设计语言,而是将其作为解决神经科学实际问题的工具。它们希望帮助初学者熟悉MATLAB神经科学程序,缩短本科阶段所学内容与现阶段研究之间的差距。不论是初学者、高年级本科生还是研究生新生。本书都力图指导读者能够自行设计和实施分析工具,协助研究者和学生们达到神经科学实践者所需的流畅计算能力。

《神经科学MATLAB教程——MATLAB科学计算导论》这本书在结构上分为四个部分,每一部分有几章。第一部分简要介绍了MATLAB软件中最常用的功能,以及MATLAB中的基本编程。已经熟悉MATLAB的用户可以跳过这一部分。这一部分的目的是带大家对MATLAB环境的能力进行了解。这是基础的一部分,只有掌握了这些内容才能进行下一步的学习。本书其他部分集中在如何将MATLAB作为解决神经科学中出现的问题的工具。第二部分内容格式如何使用MATLAB来手机数据。为了是内容具有共性,章节内容关注于如何从人类被试上收集数据,然而用户还是可以很容易地将其推广到动物数据的采集上去。第三部分关注如何将MATLAB用于数据收集和制图。这部分内容是本书的核心内容,同时也是MATLAB最常被使用的部分。我们特别探索了多重数据集的分析,包括电生理学和神经影像学的真实数据。第四部分着重介绍MATLAB程序的数据建模,并附录探讨了MATLAB的哲学和潜在的数学运算。在每个章节的开通都设有本章目标和对关心问题背景的一个简短介绍。接着介绍解决这个问题必须用到的MATLAB概念,我们将这些概念分解为多个小部分,并提供示例代码。

《神经科学MATLAB教程——MATLAB科学计算导论》一书内容详实,逻辑清晰,除此之外还有其他几个特点:

1.       本书是第一本全面的聚焦于神经科学和心理学的MATLAB教材。

2.       本书计算方法和案例解释均利用真正的实验数据,提供真实数据的外观和感觉。

3.       指导网站配有图片库、可执行的代码、实例和解决方案。

4.       相关网站提供更多指导和辅助资料。

 

目录

前言

第一部分 基本原理

1.入门

2.MATLAB指南

第二部分MATLAB数据收集

3.视觉搜索和突显

4.注意

5.心理物理学

6.信号检测论

第三部分MATLAB数据分析

7.时频分析I):傅里叶变换

8.时频分析II):非平稳信号和谱图

9.小波分析

10.卷积

11.相位平面分析

12.Fitzhugh-Nagumo模型

13.神经数据分析:编码

14.主成分分析

15.信息理论

16.神经信息解码(I):离散变量

17.神经信息解码(II):连续变量

18.功能磁共振成像

第四部分MATLAB数据建模

19.电压门控通道

20.单神经元模型

21.视网膜模型

22.脉冲神经元的简化模型

23. Fitzhugh-Nagumo模型:行波

24.决策理论

25.Markov模型

26.泊松过程描述电发放事件

27.突触传递

28.神经网络模型(I):有监督学习

29.神经网络模型(II):无监督学习

索引