Evénements

L'apprentissage automatique pour la santé et la compréhension du cerveau chez Starlab Neuroscience

University of Luxembourg Suivre

Conférence
Psychologie
Recherche
Médicaments
Écologie
Maladie
Burn-out
Addiction
Débat
Organisation
Santé
Sciences
Pharmacie
Digital
Informatique
Management
Actualité
Subvention

mer. 5 Mai.

16h00-18h00

Cette conférence fait partie de la série de conférences AI4Health organisée par le Département d'informatique et le Département des sciences de la vie et de médecine de l'Université du Luxembourg. La conférence se déroule en ligne via Ce lien sur webex
RésuméLe développement convergent de différentes technologies apporte la compréhension du cerveau, à la fois en condition saine et pathologique, plus loin que jamais. La confluence des technologies portables, des neurotechnologies, de la réalité augmentée et virtuelle, du jeu sérieux, de la science des données, de l'apprentissage automatique et de l'intelligence artificielle changent la donne dans la façon dont nous étudions la fonctionnalité du cerveau, l'utilisons pour interagir avec l'environnement et traitons le mental et le neurologique. maladie. La conférence traitera de la combinaison des neurotechnologies, de l'apprentissage automatique et de l'intelligence artificielle dans différentes applications de santé numérique du cerveau développées par Starlab Neuroscience. Les marqueurs numériques de la fonction cérébrale conduiront dans un proche avenir à une amélioration du diagnostic, de la découverte de médicaments, de l'analyse des risques et de l'interactivité. Nous montrerons les méthodologies développées pour: l'évaluation stratifiée des performances des classificateurs dans des conditions opérationnelles pour l'évaluation des risques de Parkinson, le diagnostic différentiel du TDAH basé sur le Reservoir Computing et la nouvelle prédiction des résultats du traitement chez les patients Coma. Je vais passer en revue les défis techniques auxquels nous avons été confrontés pour développer ces applications, mais aussi quelques idées qui influencent l'applicabilité de la science des données académique pure dans le monde réel.