Inizio contenuto principale del sito

Computational Neuroengineering Laboratory

Nel nostro laboratorio combiniamo i metodi delle Neuroscienze Computazionali con l'approccio applicativo dell'Ingegneria Biomedica e della Neuro Robotica
Image for immagine_-_mazzoni.png

Il Computational Neuroengineering Laboratory studia l'elaborazione dell'informazione nel sistema nervoso.
Nel nostro laboratorio combiniamo i metodi delle Neuroscienze Computazionali - l'analisi dell'informazione e la decodifica di segnali neurali biologici ed artificiali, le simulazioni di reti neuronali - con l'approccio applicativo dell'Ingegneria Biomedica e della Neuro Robotica. Per sviluppare interfacce neurali efficienti, infatti, è necessario capire come estrarre l'informazione dal sistema nervoso. A sua volta le interfacce possono essere usate per testare modelli di circuiti neurali. Inoltre, svelare come il sistema nervoso codifica le informazioni dal mondo esterno è un passaggio fondamentale nello sviluppo di software/hardware biomimetici per il data processing.
Studi teorici sull'origine e l'interpretazione dei segnali neurali, sulla trasmissione dell'informazione, e sul comportamento delle reti neurali, sono quindi condotti nel nostro laboratorio nella prospettiva di fornire applicazioni biorobotiche per la clinica che vanno dalla ricostruzione artificiale dei cinque sensi ai disturbi cognitivi.

La nostra attività di ricerca include l'analisi delle disfunzioni nei circuiti neurali all'origine di varie malattie. In particolare, studiamo il legame tra il sistema nervoso autonomo e i disturbi metabolici, e tra i gangli della base e i disturbi neurodegenerativi. Lavoriamo inoltre all'analisi delle dinamiche comportamentali e neurali per lo sviluppo di neuroprotesi per gli arti superiori e inferiori. Recentemente abbiamo sviluppato infine modelli neurali in grado di riprodurre la transizione sonno/veglia nel talamo, e di determinare i fattori sinaptici e morfologici che originano il segnale extracellulare.


Responsabile Scientifico

Dott. Alberto Mazzoni    
e-mail: alberto.mazzoni@santannapisa.it


Research team

PhD Students
Lorenzo Gaetano Amato
Laura Caffi
Jessica D'Abbraccio
Giacomo D'Alesio
Alessio Fasano
Ahmet Kaymak
Michael Lassi
Nicolò Meneghetti
Andrea Ortone
Elena Hilary Rondoni

Research Assistants
Mahboubeh Ahmadipour
Alberto Vergani

Undergraduate Students
Federico Mastellone

Alumni
Federica Barberi
Marina Cracchiolo
Lorenzo Fruzzetti
Elena Manferlotti
Federico Micheli
Sahana Prasanna
Udaya Bhaskar Rongala
Matteo Saponati
Matteo Vissani


Progetti

  • FRESCO FOUNDATION RESEARCH GRANT - assessing the role of Deep Brain Stimulation and the effects of transcranial Direct Current Stimulation in speech degradation in Parkinson's Disease;
  • PROTECTION: interplay between visual cortex spontaneous and induced activity and glioma progression. Progetto di Ricerca di Interesse Nazionale (PRIN);
  • PREVIEW: predicting the probability of evolution from Mild Cognitive Impairment to Alzheimer's disease with EEG analysis. Bando Salute Regione Toscana.

Pubblicazioni selezionate e recenti

Consulta la lista completa delle pubblicazioni  

Neuroingegneria

Modelli di rete

  • Romeni S, Valle G, Mazzoni A, Micera S., Tutorial: a computational framework for the design and optimization of peripheral neural interfaces, Nature Protocols (2020);
  • Saponati M., Garcia-Ojalvo J., Cataldo E., Mazzoni A., Integrate-and-Fire Network Model of Activity Propagation from Thalamus to CortexBiosystems 183: 103978 (2019);
  • Stellino F., Mazzoni A., Storace M., Phase analysis methods for burst onset prediction, Physical Review E 95 (2), 022412 (2017);
  • Barardi A, Garcia-Ojalvo J, Mazzoni A.,Transition between Functional Regimes in an Integrate-And-Fire Network Model of the Thalamus, PLoS ONE 11(9) e0161934 (2016);
  • Mazzoni A., Lindén H., Cuntz H., Lansner A., Panzeri S., Einevoll GT., Computing the Local Field Potential (LFP) from Integrate-and-Fire network models, PLoS Comp Biol 11 e1004584 (2015).

Analisi dell'informazione sensoriale

  • Mazzoni A, Oddo CM, Valle G, Camboni D, Strauss I, Barbaro M, Barabino G, Puddu R, Carboni C, Bisoni L, Carpaneto J, Vecchio F, Petrini FM, Romeni S, Czimmermann T,  Massari L, di Iorio R, Miraglia F, Granata G, Pani D, Stieglitz T, Raffo L, Rossini PM, Micera S, Morphological Neural Computation Restores Discrimination of Naturalistic Textures in Trans-radial Amputees Scientific, Reports 10 (2020);
  • Rongala UB., Mazzoni A., Chiurazzi M., Camboni D., Milazzo M., Massari L., Ciuti G., Roccella S., Dario P., Oddo CM., Tactile Decoding of Edge Orientation with Artificial Cuneate Neurons in Dynamic ConditionsFrontiers in Neurorobotics doi: 10.3389/fnbot.2019.00044 (2019);
  • Oddo CM., Mazzoni A., Spanne A., Enander JMD., Micera S., Jorntell H., Artificial spatiotemporal touch inputs reveal complementary decoding in neocortical neurons, Scientific Reports 8, 45898 (2017);
  • Oddo CM., Raspospovic S., Artoni F., Mazzoni A., Carrozza MC., Guglielmelli E., Rossini PM., Faraguna U., Micera S., Intraneural discrimination of textural features by artificial fingertip in intact and amputee humans, eLife 5, e09148 (2016);
  • Rongala UB., Mazzoni A., Oddo CM., Neuromorphic Artificial Touch for Categorization of Naturalistic Textures, IEEE TNNLS (2015).