Titulo Estágio
Mapeamento funcional das áreas do cérebro que respondem à estimulação elétrica no membro superior com Técnicas de Inteligência Artificial
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
CISUC
Enquadramento
A compreensão de como o cérebro processa informações sensoriais - como p.e. a estimulação elétrica - é fundamental para a neurociência clínica (compreensão de patologias como a dor do membro fantasma) e para o desenvolvimento de neuropróteses. O mapeamento somatossensorial, que representa a organização espacial (topográfica) das sensações corporais no córtex cerebral, é uma das chaves para a compreensão de todo o mecanismo. Neste projeto vamos explorar o membro superior - dedo, mão, antebraço, braço - i.e. vamos procurar encontrar em dados de imagem cerebral, quais as regiões que correspondem a cada uma destas componentes.
Este mapeamento é feito através de paradigmas de estimulação e imagiologia por ressonância magnética funcional (fMRI), permitindo identificar áreas cerebrais associadas à estimulação. No entanto, a complexidade dos dados de fMRI, a mistura de fontes de ativação e resolução espacial da técnica de imagem, representam um desafio significativo.
Neste projeto, vamos usar um conjunto de dados de 20 participantes que realizaram um exame de fMRI. Durante este exame, os participantes realizaram um paradigma de estimulação elétrica com 20 canais, i.e. 20 locais de estimulação (mais informação pode ser consultada no artigo da equipa de orientação em https://ieeexplore.ieee.org/abstract/document/10985928).
A utilização de técnicas avançadas de Inteligência Artificial, particularmente as que permitem impor limitações (por exemplo de plausibilidade biológica, como as áreas associadas ao dedo devem estar próximas da mão e mais afastadas do ombro), como as redes neurais com restrições topológicas ou modelos gráficos, oferecem uma oportunidade única para descodificar os correlatos neurais do mapeamento somatossensorial. Ao integrar o conhecimento existente sobre a anatomia e a função cerebral nos modelos de IA, podemos obter uma descodificação mais precisa e biologicamente plausível das áreas cerebrais envolvidas e das suas interconexões espaciais.
Objetivo
O principal objetivo deste projeto é descodificar os correlatos neurais de uma experiência de mapeamento somatossensorial utilizando um paradigma de estimulação e dados de fMRI, através da aplicação e desenvolvimento de técnicas de Inteligência Artificial como imposições espaciais. Procuramos não só identificar as áreas cerebrais associadas à estimulação somatossensorial, mas também compreender a sua relação espacial e funcional, impondo restrições baseadas em conhecimento neurocientífico a priori para otimizar a interpretação dos resultados.
Plano de Trabalhos - Semestre 1
Revisão do Estado da Arte: Bases teóricas e levantamento de literatura sobre imagem médica e aplicação de algoritmos de classificação para “descodificar o cérebro” (com ênfase em modelos que incorporem conhecimento a priori, como redes neurais com regularização espacial ou modelos de grafos em neuroimagem).
Exploração e Pré-processamento de Dados fMRI: Pré-processamento de dados de fMRI.
Definição de Restrições Baseadas em Conhecimento a Priori: Identificação e formalização de informações neuroanatómicas e funcionais pré-existentes (e.g., atlas cerebrais, conhecimento sobre organização cortical somatossensorial) para serem incorporadas nos modelos de IA.
Exploração Inicial de Frameworks de IA: Avaliação de diferentes frameworks de IA (e.g., SVM, Random forests, redes neurais convolucionais,) adequadas para analisar dados de fMRI e explorar a sua interpretabilidade.
Elaboração do Relatório Intermédio: Documentação do progresso, revisão da literatura e plano detalhado para o segundo semestre.
Plano de Trabalhos - Semestre 2
Desenvolvimento e Otimização de Modelos de IA: Implementação e adaptação dos frameworks de IA selecionados para a descodificação dos dados de fMRI, com foco na integração das restrições de conhecimento a priori.
Análise de Desempenho e Validação: Avaliação desempenho dos modelos, validação do modelo e plausibilidade biológica. Explorar a explicabilidade do modelo computacional.
Interpretabilidade e Visualização das relações encontradas.
Preparação da Documentação e Dissertação Final: Compilação de toda a pesquisa, metodologia, resultados e discussões na dissertação final.
Condições
Disponibilização de um conjunto de dados original, integração em projeto com elevado potencial de resultar em publicações científicas.
Neste projeto, vamos usar um conjunto de dados de 20 participantes que participaram num exame de fMRI, no qual foi realizado um paradigma de estimulação elétrica com 20 canais (mais informação pode ser consultada no manuscrito https://ieeexplore.ieee.org/abstract/document/10985928).
Observações
Integração de um projeto com uma equipa multidisciplinar, onde se vão desenvolver conhecimentos e competências não só na área de machine learning, mas também imagem / engenharia biomédica
exemplo de um trabalho na mesma área
https://www.researchgate.net/figure/Hand-representation-in-primary-somatosensory-cortex-S1-A-Finger-maps-for-three_fig2_350147072
Orientador
Bruno Direito
bmleitao@dei.uc.pt 📩