多模态MRI数据的脑网络高级分析与深度学习:背景、方法与应用

发布者:潘春德发布时间:2018-09-05浏览次数:239

美国纽约哥伦比亚大学王智顺教授学术报告
报告题目:多模态MRI数据的脑网络高级分析与深度学习:背景、方法与应用
周三(9月5号)上午10:00,南湖校区信控学院A311


报告摘要:人脑是生物界最复杂的器官,人类思维过程完全由人脑来控制,是宇宙间最神奇的生命现象。人脑由1000亿个灰质神经元构成。每个神经元都是一个计算单元或一个计算机,这些神经元的互相连接,或通过有线白质纤维连接,或通过无线耦合连接,或通过神经化学递质的调制,构成巨大的多模态、多层次、多尺度的分布并行运算、自组织时空动态演化神经网络或超级网络,支撑人脑的思维与认知过程。对人脑这种超级网络的深入研究, 可能揭示人脑是如何工作的秘密,具有巨大的理论与应用价值,意义重大而深远。这种研究是个跨学科跨知识的多层次研究,是一个双向促进的正反馈过程。一方面,为准确研究人脑网络,我们必须应用人类现已掌握的最先进的多学科知识、理论和算法(如神经科学与计算算法的结合)并不断改进它们, 从而发展出一套新的理论和方法; 另一方面,我们可将在研究人脑网络中学习到的知识应用到人造的各种技术网络中,如计算机网络,以改进计算机网络中的技术,如信息抽取,信息融合与信息集成技术,使得计算机网络像人脑网络那样具有自组织自学习功能,成为一个“聪明”网络。本报告首先介绍人脑网络的神经科学背景,然后介绍如何用MRI来研究人脑神经网络,涉及有代表性的数据分析方法和应用实例。 并介绍如何结合深度学习算法和MRI 数据对人脑认知活动与精神障碍等的预测。
报告人简介:王智顺教授现任美国纽约哥伦比亚大学功能性核磁共振成像研究室主任。从1997 年底至到2003 年7 月,王教授先后在Lynn 研究所和Chen 博士领导的德州大学UTMB 的电生理实验室从事信号处理研究工作,  从2003 年至今,一直在哥伦比亚大学从事脑图象与智能信息处理方面的前沿研究工作。已发表论文170余篇,其中在影响因子超过10 的国际期刊上发表论文多篇,并连续四次在参加国际会议时获 “Young Investigator Award”奖。
目前他的主要负责美国NIH 资助的多个重点课题研究,用脑功能成像结合深度学习,重建人脑电路回路,从而揭示与人类认知与精神障碍(比如抑郁症)有关的脑神经活动机理。