Семинар МЛ ИССА "Современные методы машинного обучения в задачах интерпретации электрической активности головного мозга"
Центр биоэлектрических интерфейсов: Стажер-исследователь
В понедельник, 10 октября 2022 г. в 10.10 в рамках семинара "Математические модели информационных технологий" департамента анализа данных и искусственного интеллекта и МЛ "Интеллектуальных систем и структурного анализа" под руководством С.О. Кузнецова состоится предварительная защита кандидатской диссертации по теме "Современные методы машинного обучения в задачах интерпретации электрической активности головного мозга".
Докладчик: Петросян Артур Тигранович, стажер-исследователь, Центр биоэлектрических интерфейсов.
Аннотация: Клинически значимые интерфейсы мозг-компьютер (ИМК) помогают реабилитировать пациентов с сенсорными, моторными и когнитивными нарушениями. Задача декодирования активности головного мозга и превращение ее в комнады внешним ассистирующим устройствам - одна из важных составляющих ИМК технологии. Использование технологии глубинного обучения позволяет добиться определенного прогресса по сравнению с традиционными подходами, однако, как правило, такие решения характеризуются низкой интерпретируемостью. что зачастую приводит к невозможности провести цензурирование получаемых решений и гарантировать их робастность и практическую применимость.
В данной работе мы предложили и исследовали свойства компактной нейросетевой архитектуры, учитывающей принятые в нейрофизиологии генеративные модели электрической активности мозга и физические принципы процесса регистрации, предназначенной для декодирования моторных и речевых явлений из инвазивных записей нейрональной активности. Мы также разработали новый теоретически обоснованный подход к интерпретации коэффициентов пространственных и временных фильтров, который применим к широкому класса архитектур нейросетей, осуществляющих факторизованную обработку данных в двух измерениях.
Мы продемонстрировали работоспособность нашего подхода при помощи вычислительного эксперимента в широком спектре сценариев и опробовали его в задаче декодирования кинематики верхней конечности и декодирования речи из инвазивных и неинвазивных данных активности мозга, регистрируемых в рамках исследований, проводимых Центром Биоэлектрических интерфейсов НИУ ВШЭ. Используя предложенный подход мы не только достигли наилучшей по сранвению с конкурирующими решениями точности декодирования, но и обнаружили физиологически обоснованные пространственные и спектральные характеристики нейронных процессов, лежащие в основе успешного декодирования кинематики пальцев и речи из электрокортикографических и стерео-ЭЭГ данных. Анализ таких характеристик позволил нам провести цензурирование найденных решающих правил и убедиться нейрональном происхождении информации, используемой нейросетевым алгоритмом.