Curso de Neuroinformática: Análisis de Volúmenes Cerebrales

Descripción del curso

En este curso de neuroinformática, dado por SNEIA, aprenderemos a usar FSL para hacer analisis volumétricos de resonancia magnética cerebral. Utilizaremos un dataset de OpenNeuro que contiene imágenes T1w de 29 sujetos, y aprenderemos a procesar y analizar estas resonancias para comprender como varia el volumen de las regiones del cerebro en niños superdotados y control.

🎯 Objetivos del Curso

• Introducir conceptos fundamentales de neuroinformática
• Enseñar el uso de herramientas especializadas (FSL, Python)
• Desarrollar habilidades en procesamiento de neuroimágenes
• Realizar análisis estadísticos de datos cerebrales
• Presentar resultados científicos de manera profesional

📊 Dataset

Fuente: OpenNeuro ds002726

El dataset contiene:

• 29 sujetos (sub-01 a sub-29)
• Imágenes T1w en formato NIfTI (.nii.gz)
• Metadatos en formato JSON
• Datos derivados en formato MATLAB (.mat.gz)

Descargar Dataset

• Crear una carpeta llamada dataset en el directorio del proyecto.
• Descargar el dataset desde OpenNeuro y descomprimirlo en la carpeta dataset.

Estructura del Dataset

dataset/
├── sub-01/ ... sub-29/     # Datos de cada sujeto
│   └── anat/
│       ├── sub-XX_T1w.nii.gz
│       └── sub-XX_T1w.json
├── derivatives/            # Datos procesados
└── dataset_description.json

🛠️ Instalación y Configuración

Prerrequisitos

• Sistema Operativo: Linux (Ubuntu recomendado) o Windows con Docker
• Python: 3.7 o superior
• Espacio en disco: ~5GB para el dataset

🚀 Flujo de Trabajo

1. Preparación: Instalación de herramientas y descarga de datos
2. Visualización: Exploración inicial de las neuroimágenes
3. Segmentación: Separación de tejidos cerebrales
4. Registro: Alineación a espacio estándar
5. Extracción: Cálculo de volúmenes por región
6. Análisis: Estadísticas descriptivas e inferenciales
7. Presentación: Comunicación de resultados

🤝 Contribuciones

Este proyecto es parte del curso de neuroinformática. Los estudiantes pueden contribuir:

• Mejorando scripts de procesamiento
• Documentando procedimientos
• Reportando errores o problemas
• Sugiriendo análisis adicionales

📝 Licencia

Este proyecto tiene fines educativos. El dataset original está bajo la licencia Creative Commons. Ver OpenNeuro para más detalles.

👥 Autores

• Curso: Semillero de Neuroinformática e Inteligencia Artificial (SNEIA), Univerisdad Technológica de Pereira (UTP)
• Instructores: Victor Correa, Santiago Angel, Isabella Cardona, Mariana Telléz, Mateo Morales.
• Dataset: Disponible en OpenNeuro
• Revista del dataset Spring Nature
• Herramientas: FSL, Python, neuroimaging libraries

---

¡Bienvenidos al fascinante mundo de la neuroinformática! 🧠✨