Новости

Прошел очередной семинар группы, на котором Сергей Королев отчитался о поездке на конференцию The Thirtieth Annual Conference on Neural Information Processing Systems (NIPS). Сергей рассказал об основных докладах и статьях с NIPS 2016, а также направлениях развития методов глубокого обучения. Были разобраны идеи генеративных адверсальных сетей и возможности их применения для задач нейроимаджинга.

Состоялась встреча участников НУГ и сотрудников сектора 10.3 ИППИ РАН с Борисом Гутманом, сотрудником Imaging Genetics Center Университета Южной Калифорнии. Мы разговаривали о классификации на сырых снимках МРТ и структурных коннектомах, о задаче восстановления коннектомов и генерации синтетических данных, имитирующих сетевые структуры мозга.

Студент НУГ Анвар Курмуков выступил с устным докладом на профильном воркшопе по анализу сетей The Sixth IEEE ICDM Workshop on Data Mining in Networks конференции International Conference on Data Mining (ICDM). Работа Анвара посвящена разработке ядерных методов классификации коннектомов, использующих расстояния между оптимальными разбиениями сетевых структур мозга на кластеры.

С докладом выступили Аягоз Мусабаева, Анвар Курмуков и Юлия Додонова. Обсуждалось, каким образом генеративные модели графов могут быть полезны для решения задачи классификации коннектомов. В первую очередь нас интересовала возможность генерации искусственных графов, в некотором смысле близких к реальным коннектомам, с целью размножения выборок для последующего машинного обучения (data augmentation). Мы обсудили некоторые генеративные модели, в том числе такие, которые учитывают геометрию и пространственное расположение сетей. Основные моменты доклада были проиллюстрированы с использованием данных ADNI.

Сергей Королев и Амир Сафиуллин разобрали задачу классификации трёхмерных снимков МРТ. Были разобраны результаты статьи, подготовленной студентами НУГ и отправленной на ISBI 2017, и возможные дальнейшие исследования. Также было разобрано различие между классическими свёрточными нейронными сетями и остаточными нейронными сетями (residual neural networks) и рассмотрено влияние методов нормализации батча и дропаута для обучения на датасетах с небольшим количеством наблюдений.

В докладе был рассмотрен метод классификации графов коннектомов, построеных по МРТ снимкам головного мозга человека. Метод основан на независимом разделении каждого графа на набор непересекающихся подграфов и сравнении полученных разбиений для разных людей. Были показаны способы  построения подграфов с помощью трех методов кластеризации вершин, и их влияние на качество итоговой задачи классификации.

Прошел семинар "Методы глубокого обучения для анализа данных нейровизуализации: задачи и подходы". В докладе был дан обзор последних работ по использованию методов глубокого обучения в анализе МРТ головного мозга человека.  В последние несколько лет вышел ряд статей, посвященных работе со структурными МРТ и решающих задачи классификации, сегментации и снижения размерности. Мы остановились на нескольких наиболее интересных примерах таких работ. Также была рассмотрена типичная последовательность алгоритмических шагов, необходимых для подготовки сырых данных к последующему обучению и потенциал по использованию подходов глубокого обучения вместо части из этих шагов. Затем обсуждались ключевые проблемы в использовании методов глубокого обучения для анализа структурных и диффузионно-тензорных МРТ, а также возможные направления их решения.

С докладом выступил Александр Иванов. Он рассказал о подходе к построению признаков на графах, в рамках которого используются метрики на стохастических матрицах. Особенность этого подхода состоит в том, что многие традиционные метрики используют суммирование весов ребер (например, при поиске кратчайшего пути), тогда как в стохастических матрицах веса ребер имеют содержательный смысл вероятностей и операция суммирования становится бессмысленной. В докладе обсуждался подход, позволяющий решить данную проблему.