فلش‌کارت‌های آموزشی تحلیل آماری ژنتیکی در تصویربرداری مغز: از مبانی تا کاربرد عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری ژنتیکی در تصویربرداری مغز: از مبانی تا کاربرد عملی

موضوع کلی: علوم پزشکی

موضوع میانی: ژنتیک و تصویربرداری مغز

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ژنتیک آماری و تصویربرداری مغز
• 2. مروری بر داده‌های تصویربرداری مغز: انواع و ویژگی‌ها
• 3. اصول آمار توصیفی و استنباطی در ژنتیک
• 4. مفاهیم پایه‌ای ژنتیک جمعیت
• 5. مقدمه‌ای بر GWAS (مطالعات ارتباط گسترده ژنومی)
• 6. کنترل کیفیت داده‌های ژنتیکی و تصویربرداری
• 7. پیش‌پردازش داده‌های تصویربرداری مغز برای تحلیل ژنتیکی
• 8. پیش‌پردازش داده‌های ژنتیکی برای تحلیل تصویربرداری
• 9. ماتریس‌های همبستگی و ارتباط ژنتیکی-تصویربرداری
• 10. آزمون‌های ارتباط پایه: t-test، ANOVA
• 11. رگرسیون خطی و چندگانه در تحلیل ژنتیکی-تصویربرداری
• 12. مدل‌های خطی تعمیم‌یافته (GLM) در تصویربرداری مغز
• 13. اصول مدل‌سازی اثرات تصادفی
• 14. تحلیل واریانس مولکولی (ANOVA) در GWAS
• 15. تصحیح چندآزمونی: FDR، Bonferroni
• 16. تحلیل متا-آنالیز در ژنتیک و تصویربرداری
• 17. روش‌های کاهش ابعاد: PCA، ICA
• 18. تحلیل مولفه‌های اصلی (PCA) در داده‌های تصویربرداری مغز
• 19. تحلیل مستقل مولفه‌ها (ICA) در داده‌های تصویربرداری مغز
• 20. تحلیل همزمان چندوجهی داده‌ها (Multimodal Data Analysis)
• 21. روش‌های یادگیری ماشین در تحلیل ژنتیکی-تصویربرداری
• 22. شبکه‌های عصبی مصنوعی و کاربرد آن‌ها در تصویربرداری مغز
• 23. رگرسیون Ridge و Lasso برای انتخاب ویژگی
• 24. ماشین‌های بردار پشتیبان (SVM) در تحلیل ژنتیکی-تصویربرداری
• 25. تحلیل بقا و داده‌های زمانی در ژنتیک و تصویربرداری
• 26. تحلیل داده‌های طولانی‌مدت تصویربرداری مغز
• 27. مقدمه‌ای بر ژنتیک سیستم‌ها و تصویربرداری مغز
• 28. تحلیل مسیرهای ژنتیکی و شبکه‌های ژنی
• 29. تحلیل هم‌تنظیمی ژن‌ها و ارتباط با تصویربرداری مغز
• 30. تحلیل واریانت‌های ساختاری و ارتباط با فنوتیپ‌های مغزی
• 31. تحلیل اپی‌ژنتیک و تصویربرداری مغز
• 32. شناسایی ژن‌های کاندید با استفاده از داده‌های تصویربرداری مغز
• 33. تحلیل داده‌های تصویربرداری مغز با استفاده از نرم‌افزارهای آماری (SPSS, R)
• 34. تحلیل داده‌های ژنتیکی با استفاده از نرم‌افزارهای تخصصی (PLINK, GCTA)
• 35. ادغام داده‌های ژنتیکی و تصویربرداری با استفاده از نرم‌افزارهای یکپارچه
• 36. تفسیر نتایج تحلیل‌های ژنتیکی-تصویربرداری
• 37. گزارش‌نویسی و ارائه نتایج تحلیل‌های ژنتیکی-تصویربرداری
• 38. چالش‌ها و محدودیت‌های تحلیل آماری ژنتیکی در تصویربرداری مغز
• 39. آینده تحلیل آماری ژنتیکی در تصویربرداری مغز و کاربردهای بالینی
• 40. مباحث پیشرفته در ژنتیک آماری تصویربرداری مغز
• 41. تحلیل داده‌های fMRI با رویکرد ژنتیکی
• 42. تحلیل داده‌های EEG/MEG با رویکرد ژنتیکی
• 43. تحلیل داده‌های DTI با رویکرد ژنتیکی
• 44. تحلیل داده‌های PET با رویکرد ژنتیکی
• 45. اصول اخلاقی در تحلیل داده‌های ژنتیکی و تصویربرداری مغز