Machine learning analysis for brain connectivity patterns

הרקע לפרויקט:

ECOG (Electrocorticography) הינה שיטה להקלטת אותות חשמליים תוך גולגולתיים. ע"י הנחת אלקטרודות ישירות על קליפת המוח, ניתן להקליט אותות חשמליים של פעילות מוחית ממספר ערוצים במקביל הנפרסים על חלקים שונים של המוח. מתוך מערך האלקטרודות ניתן לחשב מטריצת קישוריות שנותנת מידע על קשר סטטיסטי או סינכרוניזציה בין שני סיגנלים שונים, במקרה שלנו בין שני ערוצים (אלקטרודות) של פעילות מוחית מאזורים שונים במוח.

בפרויקט נבחן תבניות של קישוריות מוחית כפי שנמדדו בסיגנלים שהוקלטו ממוח של חולי אפילפסיה.

נשתמש באלגוריתמים של למידת מכונה ולמידה עמוקה כדי לזהות תבניות כאלו של קישוריות מוחית בשני מצבים קוגניטיביים: מצב מנוחה (בו המטופלים לא עושים כלום) ומצב של משימה (צפייה בסרט).

מטרת הפרויקט:

יצירת מטריצת קישוריות מוחית באמצעות מספר שיטות אנליזה ובחינה של זיהוי שני המצבים מתוך תבניות הקישוריות באמצעות אלגוריתמים של למידת מכונה לצורך הפרדה אופטימלית ביניהם.

תכולת הפרויקט:

עיבוד מקדים של הנתונים, יצירת מטריצת קישוריות מתוך הסיגנלים באמצעות מספר שיטות אנליזה, מציאת המודל הרלוונטי בלמידת מכונה אשר יתאים לנתונים והחלת המודל על הנתונים. השוואת תוצאות המודלים של מטריצות הקישוריות השונות.

קורסי קדם:

עיבוד אותות, מבוא ללמידת מכונה

דרישות נוספות:

ידע בתחום מדעי המח. קורס מיפוי תפקודי של המוח, רשתות נוירונים

מקורות:

1. Julia Berezutskaya and Mariska J. Vansteensel and Erik J. Aarnoutse and Zachary V. Freudenburg and Giovanni Piantoni and Mariana P. Branco and Nick F. Ramsey (2022). Open multimodal iEEG-fMRI dataset from naturalistic stimulation with a short audiovisual film. OpenNeuro. [Dataset] doi: doi:10.18112/openneuro.ds003688.v1.0.7
2. Bastos AM, Schoffelen JM. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front Syst Neurosci. 2016 Jan 8;9:175. doi: 10.3389/fnsys.2015.00175. PMID: 26778976; PMCID: PMC4705224.