在神經科學領域用fMRI,TMS或者EEG作為研究手段對數學/電腦水平的要求是怎樣的?
做了一段時間分子、基因方面的研究,發現自己不享受wet lab,但是仍然熱愛行為神經科學這個領域,考慮轉實驗室。本科階段高等數學低分飛過(因為和專業課時間衝突,幾乎沒去上過課,也沒認真自學。衝突的原因是我是從別的專業轉到本專業的,轉過去後全班都已經上過高數了,我自己單註冊了這門課)。 線性代數和統計都是普普通通。電腦編程完全不懂,只上過全校必修的C語言基礎。
提問的一年以後,沒想到,我真的換了個實驗室,開始做EEG了。
本人臨床醫學背景,本科階段沒有接觸過真正的理科課程(連線性代數都沒學過)
上了研究生,先做各種動物實驗,和你一樣對此完全無感。老闆開明,讓我換去做腦成像。一開始也是小白水平,但是喜歡畢竟就有動力,開始自學補課了.....基本的 Linux/ shell 操作,然後拿著數據看wiki折騰 (SPM, FSL, Freesurfer),有問題搜郵件組(自認為水平一般,所以我還真沒遇到過別人沒遇到過的問題)。順便猛看文章啊,先明白最基礎的voxel wise,然後各種 connectivity 就出現坑了,等著你去跳....
自學線性代數,重新自學統計,把 R 當作了第一門程序語言,而後開始學matlab,下一步準備熟悉下python。現在水平還是很菜,開始嘗試自己寫一點shell script 把各種東西東西串起來。總而言之就是需要理解整個分析到底發生了什麼事情,需要知道一些細節,但是又不用在細節上特別深入。我們補在補數學/coding,理工科的人還在補神經生物/生理/解剖呢對不對... =_=做這方面的研究,核心技能之一就是 數字信號處理。
需要 複變函數、數理統計、概率論等等,這是個大坑。如果你能對數字信號處理有較深入的學習,那麼對你的研究肯定有較大的幫助。但是,你也可以不管這些,僅僅聚焦於如何熟練使用這些工具,並且去深入理解這些工具所輸出的 圖標信號等信息所代表的含義,而後結合你在神經生物心理方面的優勢,去做研究。而且,也建議你,在熟練使用一些基本的信號處理工具(如,濾波器、FFT,小波、ICA、BSS、NMF)之前,不要在數字信號處理方面放多少精力,這是個投入多見效慢的坑。推薦書籍:《Analyzing Neural Time Series Data: Theory and Practice》(作者也是一個剛開始數學基礎較差的研究者,所以本書對於所使用的信號處理技術的理論和實踐方法,講解的都比較好,還帶有源碼。)《學以致用?深入淺出數字信號處理》(概念講解的很透徹易懂,在學會使用一些工具之後,再當小說翻翻)
當然,Matlab是必須要學習的,Linux的基本使用在需要用到的時候再學(也就是一、兩天的事情),Python R語言 選學(什麼叫選學??就是把必學的學完再學!!)。總之,即使你沒有什麼基礎,學習這些東西也沒有什麼困難,無論是Maltab、python、信號處理工具等等。把工具當工具,結合自身優勢,聚焦於目標。學習這些東西,務必找擅長這些的人帶你,有問題就問,自己一個人學習極易 走彎路掉入坑。這個領域可能用到頻譜分析啊,小波變換啊,圖論啊等等複雜的數學工具。但也你可以只會加減乘除,做數據用現成的軟體,按照教程點「run」就行。——但這樣的話,你要問自己,你比起上面說的這些都會的人,優勢在哪裡?問題的掌握(知道神經科學領域真正重要的問題是什麼,做出來的結果怎麼用神經科學理論解釋)?實驗設計(心理學學得好,行為實驗設計精巧符合心理學範式,比工科男厲害)?還是數據獲取(你是醫生,有特殊的病人資源)?
最後,你對你點「run」的時候到底做了什麼,至少要有基本的理解能力。
看說明書的能力,這才是最重要的。
問題 根本·完全·徹底 不在編程或數學上,因為這些方法已經被專業搞腦成像的人都做成傻瓜式的程序了。說起來就是沒有要求,但要是有肯定好,誰知道以後會遇上什麼奇葩模型呢。關鍵問題是,對我來說,要靜下心來看500頁的說明書,比學編程還難。
這·真·的·是·我·的·肺·腑·之·言。
@外星菜鳥肯定懂我。
現在在做EEG,MEG和fMRI。本科完全沒有一丁點數學,也沒有編程,碩士學的編程和現在做的也沒有關係。反正高中的高等數學我已經一點都記不住了,編程雖然學了個碩士,但現在也只用MATLAB,也算不上編程。
真需要涉及大量數學和複雜的編程時,一定會找專家合作,不會讓一個傻傻的小博士去逞能。
---
當然這種說明書不是指常見的商業產品說明書,而是一些類似於paper的manual。如,SPM (分析腦成像數據的常用MATLAB軟體(在matlab里運行的))的manual就有近500頁,EEG 儀器Biosemi 的說明書也不薄。說來也巧,我寫這個答案的時候正好在上UCL SPM的課程,斜前面正好坐著創造出SPM的大神Karl Friston。原來偷拍是這種感覺啊。我當然是不敢跟他說,你們寫的說明書太特么長了,我不喜歡。
數學方面:概率論與數理統計計算機方面:Linux 基本使用,MATLAB基本使用。。。。。。。。。。。。。。。。。。。。。。其實這些我剛進實驗室也都不會,本科工科背景,只是了解。可能導師看重的是工科思維和工科學習經歷。其實,在實驗室待一段時間,基本上都會了。門檻不算高。
(因為自己做的是認知神經科學方面,以下重點主要指該方向)這是一門很交叉的領域,所以實際應用起來會用到許多學科的知識,但是具體的來說,每門學科學的深入程度取決於你對自己的定位,比如:
1.我更關注於神經科學中的方法學(fMRI,EEG的數據分析處理等),那麼數理方面的知識你需要比較深的理解,這樣有助於你自己能在這個領域提出新的方法,比如:新的腦功能指標等;然後你的這個新方法被用到各種認知神經科學問題上,基本你也出名了。
2.我更關注認知神經科學問題的解決,那麼你的核心重點就不是放在數理方面,更多的是認知神經科學問題的解決層面。自然你對於神經科學數據處理只需理解即可(比如,這一步處理是怎麼執行的,是幹什麼的,是否有助於解決我關心的問題;畢竟現在分析腦成像的軟體平台很多,經常碰一碰問一問就差不多能用了)。14暑期在UCSD的CFMRI做fmri-EEG的科研。根據導師對我的要求以及平時與博士、博士後的交流,覺得這個方向的博士最起碼需要掌握:
- 概率論與數理統計 -&> 隨機過程
- 信號處理
- 基本的Matlab進行數據處理 -&> 硬體編程 (如果想自己寫序列的話)
的知識,再加上一些物理和生物直覺。
當然如果你是偏實驗方向的話,很多時候數據處理不需要自己完成,AFNI、EEGLAB之類的都可以直接拿來用,後續數據的處理找組裡懂這個的人做,你負責看數據就行了。但要注意的是掌握他對這組數據進行了什麼操作,預處理是怎麼做的,對最後的結果會產生什麼影響。
當然,隨著機器學習方法的逐漸發展,基本上現在都需要掌握一些ML的知識。個人覺得這個領域以後將會大量用到ML。雖然問題過去很久了,但是最近有了新的感悟,想說上兩句。腦科學研究是當今科研領域當之無愧的跨學科科學,涵蓋了數學、物理、化學、生物這些基礎學科,又有醫學、神經科學、神經工程學、電子工程、信號處理、人工智慧等等各類學科的交融混雜。參與這個腦科學大領域研究的人員也是來自於各種背景。以我自己為例,我本科電子系通信工程專業,碩士無線通信工程,中間歇業一年(第一年考博沒考上),歇業過程中學習了基本的神經電信號記錄方法,又在實驗室幹些雜活,漸漸將思維模式從工程角度轉移到科學研究角度(這裡想到當時很難理解電生理師為什麼說60Hz以上就是高頻信號,因為從通信角度來說MHz的都算不上高頻,哎~)。博士開始著手開展神經電生理實驗,學習適合神經信號分析的方法,零碎的自學神經科學基礎知識和一些相關疾病的癥狀評估等。然而知識瀚海無邊,讀文獻也是汗牛充棟,近來重新審視這個問題,覺得從事該學科的同事們很容易像我一樣陷入一種「試圖了解所有知識」的怪圈之中。7-10年的medical doctor進組開始重拾數學、學matlab、學信號分析;像我一樣工程或數學背景的人進組學基礎醫學、生理學……大把大把的時間都花在自己不熟悉的領域上,都希望能夠裝備好所需知識以後獨挑大樑。可是仔細想想,既然是多學科融合,為什麼不充分發揮自己的優勢呢?MD遇到信號處理的問題沒必要自己扒課本敲代碼一行一行改bug,工程師遇到神經環路疾病病理的問題也沒必要拿過能砸死人的神經科學工具書一頁一頁翻找答案,從突觸後電位看到肌張力障礙分類。。。最有效的方式是求助你身邊的人,術業有專攻,既然是多學科,就必然少不了合作。技術技能固然重要,但是思維方式和idea才是創新的關鍵。由於總是被導師提點說鋪的攤子太大不focus,難以做精做深,自省之後,感觸頗多。
為啥沒人回答TMS呢,如果是以實驗為主的話,那麼這些對電腦的要求都不高。fmri和eeg都有現成的軟體網上也有教程,跟著弄弄就出結果了,TMS應該是實驗操作里最簡單的,不過要自己寫點簡單的程序沒有現成點點按鈕就出結果的程序給你
根據你的實驗要求來學一門技術或編程的要求比較低,只要自己用心學,零基礎都可以的。而且那些軟體都有Manual的,不要怕,努力去學就行了
這個還是看方向,因為腦科學領域也有做計算的,數學背景要求很高,也有做軟體的,編程能力要求高。不過腦科學有個優點就是入門容易,畢竟和數理化相比算是門「年輕」的學科。
學好應用統計。如果數據量不大,現成的工具單機跑跑就行。數據量大而且有硬體資源的話,學一下腳本批處理。
在cognitive的lab做model,平心而論,只做實驗的學生真的是math和coding都慘不忍睹,會matlab已經很不錯了,不過平時確實也用不了math和coding,有軟體有設備,直接照著說明書流程來,都是傻瓜操作。
作為一個工科出生的生物醫學的人,我發現這些編程和數字都不在話下。但是醫學知識和醫學實驗爛成渣,所以我的意見是找生物醫學的孩子合作。相信我我們挺喜歡和醫學生合作互利共贏嘛!
實驗室要求比較高吧,臨床的醫生很多理工爛成渣不一樣在fmri灌水,當然對她們來說這是副業,個人認為主業玩這個還是得會吧!
推薦閱讀:
※只要看到有人在旁邊或附近就撒不出尿,怎麼辦?
※傳統霍奇金-赫胥黎神經元模型會被哥本哈根大學的新發現顛覆嗎?
※大腦是如何決定在何種情況下釋放多巴胺的?
※心理學科班出身的研究者,在面對科研工作時的「學科自信」到底在哪裡?
※為什麼瞳孔在光強不變的情況下也會放大和縮小?