Projektbeschreibung
Netzwerke des Gehirns und Kartierung neurologischer Erkrankungen
Die Netzwerkwissenschaft hat neue Möglichkeiten eröffnet, um das Gehirn als komplexes System von Einheiten zu verstehen, die bei Gesundheit und Krankheit interagieren. Trotz der rasant wachsenden interdisziplinären Wissenschaft komplexer Netzwerke ist es noch immer eine Herausforderung, die repräsentativsten und am weitesten verbreiteten Veränderungen im Gehirn zu identifizieren, die von einer bestimmten Erkrankung verursacht werden. Das gilt insbesondere für die multimodalen Netzwerke des Hirns, bei denen ein Netzwerk von einer bestimmten Neurobildgebungsmodalität abgeleitet wird. Im Rahmen des EU-finanzierten Projekts NormNets soll ein neuartiges Verfahren entwickelt werden, das die Stärke des geometrischen Deep Learning nutzt, um den Herausforderungen der Netzwerkarchitektur des Gehirns zu begegnen. Dazu soll eine Gruppe von multimodalen Hirnnetzwerken normalisiert werden. Die Projektwerkzeuge werden das Gebiet der Netzwerk-Neurowissenschaften deutlich voranbringen, da nicht nur eine integrale, sondern auch eine prädiktive Kartierung neurologischer Störungen erfolgen soll.
Ziel
Modern network science has introduced exciting new opportunities for understanding the brain as a complex system of interacting units in both health and disease and across the human lifespan. Despite the rapidly growing interdisciplinary science of complex networks, which spans the range from genetic and metabolic networks all the way up to social and economic systems, it remains a formidable challenge to identify the most representative and shared brain alterations caused by a specific disorder (e.g. Alzheimer’s disease), namely ‘disorder signature’, in a population of brain networks, let alone multi-modal brain networks where each brain network is derived from a particular neuroimaging modality (e.g. functional or diffusion magnetic resonance imaging (fMRI or dMRI)). Such integral signature can be revealed by what I name as a multimodal connectional brain template (CBT), which would constitute an unprecedented contribution to network neuroscience, rooted in firstly learning brain connectivity normalization and secondly foreseeing its evolution. During this fellowship, I will develop NormNets, a novel technique leveraging the power of geometric deep-learning to meet this challenge by normalizing a population of multimodal brain networks. Particularly, NormNets tools will substantially advance the field of network neuroscience by estimating not only an integral but also a predictive mapping of neurological disorders. In addition to the multi-disciplinary high-quality training I will receive at both host and secondment institutions, this fellowship will remarkably consolidate and accelerate my career on the international landscape scene in the new cross-disciplinary area of “geometric deep learning & integration connectomics” I will pioneer during this fellowship. With the endorsement of international multi-sectoral stakeholders, open NormNets resources will impact on and contribute towards the development of connectomics-rooted predictive precision medicine.
Wissenschaftliches Gebiet
- natural sciencesbiological sciencesneurobiology
- medical and health sciencesbasic medicineneurologydementiaalzheimer
- medical and health scienceshealth sciencespersonalized medicine
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- engineering and technologymedical engineeringdiagnostic imagingmagnetic resonance imaging
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-WF-02-2019
Finanzierungsplan
MSCA-IF-EF-ST - Standard EFKoordinator
34469 Maslak, Istanbul
Türkei