• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Научно-учебная группа «Машинное обучение на данных нейроимаджинга»

Публикации
Публикации участников группы
Глава в книге
Классификация коннектомов на основе локальных метрик на стохастических матрицах

Иванов А. Р., Петров Д. М.

В кн.: Сборник статей конференции "Информационные технологии и системы" (ИТиС'16). М.: ИППИ РАН, 2016. С. 509-516.

Препринт
Kernel classification of connectomes based on earth mover's distance between graph spectra

Dodonova Y., Belyaev M., Tkachev A. et al.

Cornell University Library, 2016

Научно-учебная группа завершила свою работу

Цель работы группы — разработать и опробовать набор методов машинного обучения для классификации фенотипических групп на основе структурных и функциональных коннектомов. В частности, для различения аутизма и нормы на открытых данных UCLA (94 человека) и для различения людей-носителей аллелей, связанных с высоким риском развития болезни Альцгеймера, и нормы на основе открытых данных UCLA (55 человек).


Прошел семинар об инвариантном к фазовому углу и объёмной проводимости обнаружении динамических функциональных взаимосвязей по магнитоэнцефалографическим измерениям

Алексей Осадчий, профессор НИУ ВШЭ, рассказал об инвариантном к фазовому углу и объёмной проводимости обнаружении динамических функциональных взаимосвязей по магнитоэнцефалографическим измерениям. Технология неинвазивного нейрокартирования в настоящий момент играет ключевую роль в накоплении знаний о принципах работы мозга на системном уровне, а также широко используется для диагностики пациентов с широким спектром нейодегенеративных заболеваний.
В последнее время проявляется повышенный интерес к изучению сетевой структуры, обеспечивающей функцию головного мозга. Меняется понятийный базис когнитивной и клинической нейронауки, всё чаще и чаще приходится сталкиваться с работами, где различия между экспериментальными условиями объясняются вариациями в активности не отдельных областей, а целых сетей.
Несмотря на существенные усилия по разработке методов неинвазивного картирования сетей головного мозга, до сих пор отсутствуют надёжные подходы, демонстрирующие удовлетворительную воспроизводимость результатов анализа между испытуемыми. В особенности это относится к методикам с высоким временным разрешением, которые способны обнаруживать не только пространственную, но и временную структуру функциональных взаимодействий.