Opis projektu
Sieci mózgowe i mapowanie zaburzeń neurologicznych
Nauka o sieciach daje nam możliwość spojrzenia na mózg jako na złożony system oddziałujących ze sobą jednostek, czy to w zdrowiu, czy chorobie. Pomimo szybkiego rozwoju interdyscyplinarnej nauki o złożonych sieciach wyzwaniem pozostaje określenie najbardziej reprezentatywnych i wspólnych zmian w mózgu spowodowanych konkretnym zaburzeniem, a tym bardziej w przypadku multimodalnych sieci mózgowych, gdzie każda wywodzi się z określonego sposobu neuroobrazowania. W ramach finansowanego przez Unię Europejską projektu NormNets opracowana zostanie nowatorska technika wykorzystująca geometryczne uczenie głębokie w celu sprostania wyzwaniom neurobiologii sieciowej poprzez normalizację populacji multimodalnych sieci mózgowych. Narzędzia te przyczynią się znacząco do rozwoju neuronauki o sieciach dzięki oszacowaniu nie tylko integralnego, ale i predykcyjnego mapowania zaburzeń neurologicznych.
Cel
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.
Dziedzina nauki
- 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
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-WF-02-2019
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
34469 Maslak, Istanbul
Turcja