Войти
Логин:
Пароль:
Забыли пароль?
научная деятельность
структура институтаобразовательные проектыпериодические изданиясотрудники институтапресс-центрконтакты
русский | english
Научная деятельность >> Семинары >> Анализ данных в нейронауках

Совместный семинар Сектора анализа данных в нейронауках №10.3

и научно-учебной группы "Машинное обучение на данных нейроимаджинга" НИУ ВШЭ

Семинар проходит по понедельникам, с 1215 до 1400, в аудитории 616 ИППИ РАН

2016

28 ноября

Аягоз Мусабаева, Анвар Курмуков, Юлия Додонова

Использование генеративных моделей графов для улучшения качества классификации сетевых структур мозга

В докладе будет обсуждаться, каким образом генеративные модели графов могут быть полезны для решения задачи классификации коннектомов. В первую очередь нас будет интересовать возможность генерации искусственных графов, в некотором смысле близких к реальным коннектомам, с целью размножения выборок для последующего машинного обучения (data augmentation). Мы обсудим некоторые генеративные модели, в том числе такие, которые учитывают геометрию и пространственное расположение сетей. Основные моменты доклада будут проиллюстрированы с использованием данных ADNI.


Александр Иванов

Программная реализация цепочек анализа сетевых структур мозга

Доклад будет иметь технический характер и представлять обзор кода, написанного на данный момент для реализации машинного обучения на коннектомах. Александр расскажет, какие задачи решает разрабатываемый набор алгоритмов, какова его структура, каким образом реализованы основные функции. Планируется обсуждение конкретного функционала и деталей кода, а также демонстрация работы алгоритмов в их текущем состоянии.


Анна Ткачев

Эмпирические подходы к стабильному отбору признаков при построении моделей, использующих лассо-пенализацию (короткое обсуждение)


21 ноября 

Сергей Королев

Задача классификации трёхмерных снимков МРТ мозга

На семинаре будет разобрана задача классификации трёхмерных снимков МРТ. Будут разобраны результаты статьи, отправленной на ISBI 2017 и возможные дальнейшие исследования. Также будет 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.


Михаил Беляев

Методы предобработки стуктурных МРТ и использование элементов этих методов для задач аугментации и сегментации

В коротком докладе будут обсуждаться основные шаги предварительной обаботки МРТ, включая шаги коррекции градиента, нормализации и удаления черепа. Методы первых двух могут быть использованы для аугментации данных, а вычислительно трудоемкая задача удаления черепа может быть существенно ускорена за счет использования data-driven алгоритмов сегментации.

14 ноября 

Анвар Курмуков (ФКН ВШЭ)

Методы классификации графов коннектомов на основе различий в разбиениях графов

В докладе будет 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. Будут показаны способы  построения подграфов с помощью трех методов кластеризации вершин, и их влияние на качество итоговой задачи классификации.

7 ноября

Михаил Беляев (ИППИ)
 
Методы глубокого обучения для анализа данных нейровизуализации: задачи и подходы
В докладе будет 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 остановимся на нескольких наиболее интересных примерах таких работ. Также будет 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 будут обсуждаться ключевые проблемы в использовании методов глубокого обучения для анализа структурных и диффузионно-тензорных МРТ, а также возможные направления их решения.

11 апреля

Юрий Селиверстов, кандидат медицинских наук, научный сотрудник Научного центра неврологии

Болезнь Гентингтона как модельное заболевание в нейронауках

Сообщение посвящено общей информации о болезни Гентингтона, истории открытия, причинах развития, проявлениях и современных подходах к лечению. Раскрывается значимость изучения этого заболевания в контексте нейробиологии. Представлено резюме того, что уже изучено и что представляет интерес для дальнейшего исследования.

21 марта 

Юрий Селиверстов, кандидат медицинских наук, научный сотрудник Научного центра неврологии (НЦН,http://www.neurology.ru/ )

Применение нейровизуализационных методов в фундаментальных и прикладных исследованиях

О структуре центра, решаемых задачах и имеющемся в распоряжении центра оборудовании визуализации головного мозга. На примере изучения болезни Гентингтона обсуждались используемые в центре алгоритмы обработки различных данных нейровизуализации (в первую очередь, структурных и функциональных МРТ) и получаемые с их помощью научные результаты. Отдельное внимание было уделено обзору имеющихся на сегодняшний день в мире баз данных по ключевым заболеваниям, представляющим интерес для НЦН, и формулированию актуальных задач анализа данных, которые могут решаться на их основе.

29 февраля 

Сергей Королев

Машинное обучение на данных масс спектрометрии

Я разберу две статьи по анализу масс спектров. Первая статья - про основные методы анализа спектров и различные алгоритмы, которые там используются, с разбором открытых проблем в этих задачах. Во второй статье рассматриваются различные методы применения машинного обучения к данным масс спектрометрии в задачах протеомики. В итоге будут разобраны возможные приложения методов из этих статей к задаче классификации на данных масс спектрометрии липидов мозга.

24 февраля


Алексей Осадчий

Инвариантное к фазовому углу и объёмной проводимости обнаружение 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 (ГМ). Меняется понятийный базис когнитивной и клинической нейронауки, всё чаще и чаще приходиться 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.
В этом докладе я расскажу о разрабатываемых в группе методов нейровизуализации (НИУ ВШЭ) подходах к решению задачи обнаружения функциональных сетей с изменяющейся степенью синхронности. Наш подход основан на рассмотрении генерирующей модели кросспектральной матрицы МЭГ. Оперируя в декартовом автопроизведении пространства топографий нейрональных популяций мы предлагаем инвариантную к объёмной проводимости и взаимному фазовому углу методику оценки динамики синхронности пар кортикальных источников. Предлагаемый подход открывает новые возможности и фактически переводит нас на новый уровень интерпретации многоканальных непрямых измерений электрической активности мозга, как суперпозицию активности динамических сетей.


15 февраля

Егор Кривов

Применение геометрии Римана к анализу ковариационных матриц сигналов на примере классификации ЭЭГ сигналов

На семинаре планируется рассмотреть как применение геометрии Римана помогает при классификации ЭЭГ. Будет рассмотрено риманово пространство симметричных положительно определённых матриц, касательное к нему в некоторой точке пространство. Также будут упомянуты различные дополнительные метрики, занимающие промежуточное положение между вычислительно сложной, но точной римановой метрикой в этом пространстве и вычислительно простой, но неточной евклидовой метрикой. В качестве примера пространства положительно определённых симметричных матриц будет использоваться пространство матриц ковариации ЭЭГ сигналов.

8 февраля 

Анна Ткачев, Юлия Додонова

Семинар будет посвящен спектральной теории графов. На семинаре будут обсуждаться спектры матриц, связанных с графом: матрицы смежности, Лапласиана, нормализованного Лапласиана, матрицы случайного блуждания. Для нормализованного Лапласиана будет показан содержательный смысл некоторых конкретных паттернов распределения собственных значений. Будет затронута проблема коспектральных графов, восстановления графов по их спектрам, спектральных расстояний между графами. Мы также обсудим некоторые примеры применения спектральной теории графов.  

3 февраля

Дмитрий Исаев, research assistant Лаборатории нейроимаджинга Университета Южной Калифорнии
 
Дмитрий расскажет о текущем исследовательском проекте по улучшению совмещения поверхностей мозга с использованием коннектомных данных, то есть информации о структуре связей между участками коры.

28 января 

Дмитрий Петров, Юлия Додонова

Влияние выбора алгоритмов трактографии на построение коннектомов и качество их классификации

Будут обсуждаться исследования по сравнению алгоритмов трактографии, проводимые в Университете Южной Калифорнии под руководством Пола Томпсона. Будет разобрана работа девяти различных алгоритмов трактографии. Будет обсуждаться влияние выбора алгоритмов трактографии на дальнейшее построение коннектомов, где информация о трактах используется при оценивании весов ребер соответствующих графов. Будет сравниваться качество классификации (различение нормы и болезни Альцгеймера) на коннектомах, построенных с использованием различных алгоритмов трактографии. Будет обсуждаться подход, объединяющий результаты работы различных алгоритмов и дающий существенный прирост качества классификации.


2015

14 декабря  

Михаил Беляев

Глубокое обучение в анализе ЭЭГ

На семинаре будет обсуждаться несколько статей, в которых для анализа ЭЭГ использовались глубокие сети. Будет показано, какие признаки могут использоваться в таком анализе. Кроме того, будут обсуждаться Deep Fourier Neural Networks - сети, которые используют преобразование Фурье.

7 декабря

Юлия Додонова

Использование спектра лапласиана графа в анализе коннектом

На семинаре будет обсуждаться пример анализа собственных значений лапласиана графов, построенных для сетевых структур мозга кошки, макаки и червя C.elegance. Речь будет идти о специфике спектров лапласиана, получаемых для коннектом, в сравнении со случайными графами с известной структурой, а также реальными сетями из других предметных областей. Проблематика машинного обучения будет затрагиваться в обсуждении минимально – исключительно в контексте возможностей сравнения графовых структур на основе спектров лапласиана.

30 ноября 

Сергей Королёв, Михаил Беляев

Применение глубокого обучения при анализе данных МРТ и ЭЭГ

Семинар будет состоять из двух частей. В первой части будет показано, каким образом методы глубокого обучения могут применяться для решения задачи различения групп нормы и патологии на основании статичных данных магнитно-резонансной томографии, а также данных функциональной магнитно-резонансной томографии. Во второй части будет обсуждаться использование рекуррентных сверточных нейронных сетей для анализа данных ЭЭГ – в частности, при решении задачи классификации когнитивной загруженности.

23 ноября 

Павел Меринов

Получение данных ЭЭГ с записывающего устройства OpenBCI

Доклад будет посвящен задаче получения данных с записывающего устройства OpenBCI с целью их дальнейшего использования для классификации ЭЭГ в режиме реального времени. Основной акцент будет сделан на железо OpenBCI и на предложенную архитектуру системы обмена данными между этим железом и принимающей стороной-классификатором.

Доклад будет содержать технические детали конкретной реализации, поэтому может быть интересен тем, кто планирует использовать OpenBCI для самостоятельного проведения экспериментов. В качестве примера такого эксперимента будет рассмотрена задача детектирования "закрытых глаз" по сигналу ЭЭГ с одного электрода. После доклада желающие смогут непосредственно поучаствовать в сборе данных ЭЭГ для эксперимента с "закрытыми глазами".

16 ноября

Дарья Беляева 

Системы мониторинга когнитивной усталости на основе данных ЭЭГ

В докладе будет представлен обзор подходов к мониторингу усталости во время длительной ментальной нагрузки. Основное внимание будет уделено анализу физиологических показателей и постановке эксперимента. Техническая сторона вопроса будет затронута мало в виде общего обзора методов, использовавшихся в статьях по теме.
Мониторинг усталости может иметь потенциальное применение среди людей, чья деятельность связана с длительной концентрацией внимания, в особенности, среди тех, чьи ошибки могут быть опасны для жизней как самого человека, так и окружающих. Основной упор будет делаться на создание систем для пилотов самолетов и водителей, в том числе будут описаны особенности постановки эксперимента с имитацией управления транспортным средством. 
Будет уделено внимание факторам, влияющим на степень когнитивной усталости, и ее связи с физической усталостью. Отдельно будут разобраны показатели нейронной активности, указывающие на уровень усталости, такие как изменения активности в различных частях коры головного мозга.

9 ноября 

Михаил Беляев 

Особенности организации системы машинного обучения на данных ЭЭГ

В докладе преимущественно будут обсуждаться технические аспекты задачи классификации ЭЭГ, в связи с чем заседание будет интересно только тем, кто планирует решать прикладные задачи в этой области. 

Типичные выборки данных ЭЭГ и задачи их анализа (в первую очередь, классификация) имеют ряд особенностей, которые делают задачу выбора формата данных не полностью тривиальной. В стандартных задачах входные данные обычно представимы в виде матрицы размера число наблюдений на число признаков, а выходные - в виде вектора, размерность которого равна числу наблюдений. Одна сессия ЭЭГ - это многомерный временной ряд, на котором отмечены некоторые события. Один из возможных подходов - это переход к так называемым эпохам (отрезок временного ряда определенной длины) использование алгоритмов, которые требуют работы с полным временным рядом (например, для его частотной фильтрации). Кроме того, в выборке обычно содержатся несколько сессий, причем ЭЭГ могут быть сняты с разных людей. Известно, что подобные сессии могут принципиально отличаться между собой, поэтому, для учета этой вариабельности, обычно используют специальные методы. На семинаре планируется обсудить текущую архитектуру системы анализа ЭЭГ.

2 ноября 

Юлия Додонова 

Анализ данных нейроимаджинга при различении нормы и расстройств аутистического спектра

В докладе будет сделан обзор современных работ, в которых изучались различия в структурных особенностях мозга в норме и в случае расстройств аутистического спектра. Будут представлены два подхода к анализу данных: доминировавший до некоторого времени подход, основанный на оценивании достоверности групповых различий, и относительно новый для предметной области подход, использующий алгоритмы машинного обучения. Особое внимание будет уделено работам, в которых делалась попытка анализировать данные нейроимаджинга, представленные в виде графов (коннектом), репрезентирующих зоны мозга и связи между ними.

26 октября 

Михаил Беляев
 
Задачи анализа данных в интерфейсах мозг-компьютер

В докладе будет дан обзор основных задач анализа данных, решение которых необходимо для создания интерфейсов мозг-компьютер. Будут описаны основные типы данных, на основе которых могут быть созданы ИМК, задачи обработки этих данных и некоторые перспективные методы их решения.
19 октября

Юлия Додонова

Машинное обучение на данных нейроимаджинга

В докладе будет обсуждаться современное положение алгоритмов машинного обучения в исследованиях, опирающихся на данные магнитно-резонансной томографии. Будут озвучены основные задачи, решаемые с помощью машинного обучения – в первую очередь задача различения фенотипических групп (расстройства аутистического спектра, шизофрения, болезнь Альцгеймера и др.) Будут обсуждаться возможные входные данные для алгоритмов машинного обучения: “сырые” воксельные данные, различного рода параметры, характеризующие отдельные регионы мозга, а также коннектомы, описывающие весь мозг в виде графа. В самом общем виде будут представлены алгоритмы, используемые на сегодняшний день в такого рода исследованиях и основные получаемые результаты. Доклад будет носить обзорный характер – предполагается, что конкретные направления более детально будут обсуждаться на последующих семинарах.

12 октября

Михаил Беляев, Егор Кривов
 
Методы классификации этапов сложного движения рукой на основе ЭЭГ
 
В докладе будет рассмотрена одна из ключевых задач, решение которой необходимо для создания интерфейсов мозг компьютер, - классификации электроэнцефалограммы (ЭЭГ). Задача будет разбираться на примере выборки данных конкурса Kaggle Grasp & Lift, которая была собрана в рамках следующего эксперимента. Испытуемый протягивал руку к некоторому грузу, поднимал его, удерживал некоторое время в воздухе, затем клал груз на прежнее место и возвращал руку на исходную позицию. Ставится задача классификации отдельных этапов этого движения (например, начало движения руки к грузу или момент отрывания груза от поверхности стола). Ключевой особенностью задачи является наличие последовательности событий, учет которой позволяет существенно повысить точность распознавания каждого из них в отдельности. В докладе будут рассмотрены методы, основанные на использовании современных нейросетевых моделей и методов глубокого обучения (включая рекуррентные нейронные сети), а также показана связь между классическими подходами к классификации ЭЭГ и специальными нейросетевыми архитектурами. 
НОВОСТИ И ОБЪЯВЛЕНИЯ
Семинар <<Глобус>> Независимого Московского Университета: 15 декабря в 15.40 в НМУ, конференц-зал. V...
Семинар лаборатории № 8: 8 декабря в 14:30 в ИПЭЭ РАН. Е.М. Максимова. Уточнение стратификации оконч...
Открытый семинар Сектора анализа данных в нейронауках №10.3: 7.12.2016 (понедельник), 11:00, ауд. 61...
Семинар по структурному обучению: 08.12.2016 (четверг), 17:00, ауд.615 ИППИ. В. В. Ульянов "Асимптот...
Семинар "Структурные модели и глубинное обучение": 6.12.2016 (вторник), ауд. 615 ИППИ,18:30. Bykov...
Семинар по теории кодирования: 6.12.2016 (вторник),19:00, ауд.307 ИППИ. Сергей Еханин "Максимально в...
Семинар Добрушинской математической лаборатории: 6.12.2016 (вторник), 16:00, ауд. 307 ИППИ РАН. Геор...
Семинар лаборатории № 8: 1 декабря в 14:30 в ИПЭЭ РАН. О.Ю. Орлов, В.А. Бастаков, П.В. Максимов. Код...
Семинар "Структурные модели и глубинное обучение": 29.11.2016 (вторник), ауд. 615 ИППИ,18:30. Владим...
Семинар по теории кодирования: 29.11.2016 (вторник),19:00, ауд.307 ИППИ. Илья Шкредов (МИАН, ИППИ) ...
Все новости   
 

 

  © Федеральное государственное бюджетное учреждение науки
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук, 2016
Об институте  |  Контакты  |  Старая версия сайта