Лаборатория Математических методов обработки нейроданных

Лаборатория открыта в июле 2023 года

Основные направления исследований лаборатории:

1. Развитие новых методов томографической нейровизуализации.

Нами впервые в мировой практике томографической нейровизуализации, был разработан подход на основе Байесовской статистики, позволяющий на этапе группового анализа фМРТ данных выявлять области мозга со значимым «нулевым эффектом» - доказывать практическую эквивалентность регистрируемой активности мозга. Предложенный подход позволил решить одну из методических проблем статистического анализа томографических данных, связанную с применением так называемой классической частотной статистики, в рамках которой факт отсутствия статистически значимых различий между сравниваемыми переменными не является доказательством их отсутствия (невозможность высказаться в пользу нулевой гипотезы). Разработанный программный пакет позволяет определять не только области со значимым изменением активности мозга (получено свидетельство в пользу альтернативной гипотезы), но и области в который не происходит изменения сигнала (получено свидетельство в пользу нулевой гипотезы), а также определять области мозга для которых полученных данных недостаточно, чтобы с уверенностью высказаться в пользу альтернативной или нулевой гипотезы

Применение разработанного статистического инструмента, было успешно апробировано: впервые в рамках изучения мозгового обеспечения тормозного контроля было экспериментально подтверждена гипотеза о существовании неселективного торможения, которое работает и при реализации, и при отмене подготовленного действия (в условиях двух стимульной парадигмы Go/NoGo), т.е. демонстрирует одинаковый уровень функциональной активности.

Развитие данного инструментария позволит разработать методы для оценки влияния лечебных процедур на активность мозга в части: 1) выявления нулевого эффекта действия лекарственных средств на активность мозга, 2) статистически обоснованной оценки «восстановления» показателей активности мозга до «нормативных значений».

Научный задел

 

• 1. Masharipov R., Knyazeva I., Nikolaev Y., Korotkov A., Didur M., Cherednichenko D., Kireev M. providing evidence for the null hypothesis in functional magnetic resonance imaging using group-level bayesian inference. Frontiers in Neuroinformatics. 2021. Т. 15. С. 738342. Q1

• 2. Создан программный пакет https://github.com/Masharipov/Bayesian_inference Получено свидетельство о государственной регистрации РИД (программа ЭВМ).