Piąta edycja Brainhack Warsaw zgromadziła studentów, doktorantów i entuzjastów z różnych dziedzin na Wydziale Fizyki Uniwersytetu Warszawskiego. Trzydniowe wydarzenie, skrupulatnie zorganizowane przez Studenckie Koło Naukowe Neuroinformatyki, było doskonałą okazją do współpracy, nawiązania akademickich przyjaźni i wymiany wiedzy. Uczestnicy zaangażowali się w szereg projektów obejmujących eksplorację danych, uczenie maszynowe i badania nad mózgiem, a wszystko to przy jednoczesnym uwzględnieniu zasad otwartej nauki – podstawowej wartości społeczności Brainhack, jak podkreślili Craddock et al. (2016).
Tegoroczny zestaw prelegentów był wyjątkowy:
Prof. Alexander Mathis z École Polytechnique Fédérale de Lausanne w Szwajcarii przedstawił „Deep Learning Tools for the Analysis of Movement, Identity & Behavior”, zapewniając uczestnikom dogłębne spojrzenie na skrzyżowanie głębokiego uczenia się i analizy behawioralnej.
Michał Niezgoda, CEO i współzałożyciel Robotec.ai, podzielił się swoimi cennymi spostrzeżeniami na temat zbieżnych ścieżek robotyki i sztucznej inteligencji.
Wśród tegorocznych projektów znalazły się:
1. Brain Tumor Subtyping: Kluczowa inicjatywa mająca na celu poprawę diagnostyki i strategii leczenia guzów mózgu.
2. Automatic artifact detection in EEG using Telepathy: Pionierskie podejście do identyfikacji artefaktów w danych EEG poprzez potencjał telepatii.
3. Application of an amygdala parcellation pipeline based on Recurrence Quantification Analysis to resting-state fMRI data acquired in a 7T MRI scanner: Projekt skupiający się na analizie danych fMRI w stanie spoczynku dla parcelacji ciała migdałowatego.
4. Pose estimation-based long-term behavior assessment of animals in semi-naturalistic conditions: Unikalne przedsięwzięcie mające na celu zrozumienie zachowania zwierząt w warunkach półnaturalnych poprzez szacowanie pozycji.
5. A paradigm shift in experiment design leading to large-scale EEG data acquisition for visual attention: Projekt ten miał na celu zrewolucjonizowanie projektowania eksperymentów w celu pozyskiwania obszernych danych EEG związanych z uwagą wzrokową.
6. Robust Latent Space Exploration of EEG Signals with Distributed Representations: Projekt ten miał na celu wykorzystanie reprezentacji ukrytych przestrzeni do bootstrappingu i klasyfikacji danych EEG.
7. SANO: Comparison of brain networks from EEG and fNIRS: Ważny projekt porównujący sieci mózgowe pochodzące z danych EEG i fNIRS.
Podsumowując, Brainhack Warsaw 2023 był wielkim świętem neuronauki i data science. Stał się inkubatorem innowacyjnych pomysłów, katalizatorem znaczących relacji oraz świadectwem siły i potencjału nauki opartej na współpracy. Jako organizatorzy już wyczekujemy kolejnej edycji Brainhack Warsaw, z nadzieją na jeszcze bardziej wpływowe i rozległe wydarzenie.
Pasja do neuronauk i data science była wyczuwalna przez cały weekend, gdy Wydział Fizyki Uniwersytetu Warszawskiego był gospodarzem czwartej edycji Brainhack Warsaw. To trzydniowe wydarzenie, zorganizowane przez Studenckie Koło Neuroinformatyki, stało się inspirującym miejscem spotkania kreatywnych umysłów.
Od samego początku Brainhack Warsaw miał na celu stworzenie platformy, na której pełni entuzjazmu młodzi badacze, zarówno studenci, jak i doktoranci, mogliby spotkać się, aby pracować nad innowacyjnymi projektami związanymi z neuronaukami. Nie inaczej było w tym roku. Jednak dynamika i koleżeństwo zostały wzmocnione przez zaangażowanie w dzielenie się wiedzą na temat eksploracji danych, uczenia maszynowego i badań nad mózgiem. Jednocześnie podkreślano etos otwartej nauki, który ceni cała społeczność Brainhack (Craddock i in., 2016).
Chociaż edycja z poprzedniego roku musiała zostać odwołana z powodu pandemii koronawirusa, nie osłabiło to zaangażowania uczestników. Wydarzenie pozwoliło im zastanowić się nad wcześniejszymi sukcesami i wyciągnąć wnioski z poprzednich projektów. Stanowiły one nie tylko źródło inspiracji, ale także skarbnicę zasobów dla tegorocznych uczestników.
Dwie wybitne osobistości uświetniły wydarzenie jako prelegenci:
Dr. Benedetta Franceschiello z Centrum Obrazowania Biomedycznego CIBM przedstawiła swoje badania na temat „Dynamicznego obrazowania oko-mózg: od anatomii oka do funkcji mózgu”. Jej spostrzeżenia na temat intrygującej korelacji między anatomią oka a funkcjami mózgu rzuciły światło na nowe kierunki badań.
Dr. Anthony Vega z University of Texas Southwestern Medical Center wyjaśnił niuanse „Rozszyfrowywania patologii neurodegeneracyjnej przy użyciu głębokiego uczenia się”. Jego wystąpienie podkreśliło sprawność głębokiego uczenia w diagnozowaniu i zrozumieniu zaburzeń neurodegeneracyjnych.
Wydarzenie było świadkiem narodzin kilku ekscytujących projektów:
Generating Sequences of Rat Poses: Fascynujące badanie zachowań zwierząt poprzez generowanie sekwencji.
Automatic detection of zebrafinch vocalizations using TinyML: Projekt ten, łączący ornitologię z uczeniem maszynowym, miał na celu wykrycie wzorców wokalnych ptaków z rodziny Taeniopygia.
Talking with Machine Learning models using chatbots: Nowoczesne podejście do interakcji między ludźmi a sztuczną inteligencją, zwiększające ich dostępność.
Learning resting-state EEG data analysis through software development: Praktyczny projekt mający na celu zrozumienie stanów spoczynku mózgu za pomocą analizy sygnału EEG.
Isometric Latent Space Representation of EEG signals: Projekt ten miał na celu wykorzystanie reprezentacji ukrytych przestrzeni do bootstrappingu i klasyfikacji danych EEG.
Workflow for automated classification of sMRI images of psychiatric disorders: Projekt ten miał na celu klasyfikację obrazów sMRI z wykorzystaniem sieci neuronowych w celu identyfikacji zaburzeń psychiatrycznych.
AI-based techniques for neglect identification: Wykorzystując najnowocześniejsze techniki sztucznej inteligencji, projekt ten zagłębił się w wyzwanie identyfikacji nieuwagi w różnych sytuacjach.
Z perspektywy czasu Brainhack Warsaw 2022 był czymś więcej niż wydarzeniem; był świadectwem nieugiętego ducha społeczności naukowej. Połączenie tradycyjnej neuronauki z nowoczesnymi trendami w data science i uczeniem maszynowym stworzyło atmosferę innowacji i współpracy. Jako organizatorzy wierzymy, że kreatywność, ciekawości i chęć wzajemnej pomocy stanowią podstawę naszej rosnącej społeczności.
Wszyscy zainteresowani połączeniem neuronauki i data science z pewnością powinni zaznaczyć następną edycję w swoich kalendarzach!
Krzysztof Raczyński, założyciel i prezes firmy Digital Fingerprints, która zajmuje się zabezpieczeniami biometrycznymi, wygłosił dla nas wykład „Jesteś tym, jak piszesz – Biometria Behawioralna”.
Wraz z ilością transakcji internetowych i zakupów dokonywanych w Polsce, rośnie też zapotrzebowanie na coraz silniejsze metody uwierzytelniania użytkownika. Przestępcy dzięki socjotechnice i phishingowi omijają najpopularniejsze zabezpieczenia takie jak hasła, kody autoryzacyjne czy tokeny SMS. Naprzeciw temu wyzwaniu wychodzi biometria behawioralna – nowa odmiana autoryzacji opartej o niuanse interakcji użytkownika z jego urządzeniem. Krzysztof Raczyński, CEO Digital Fingerprints opowie o historii biometrii behawioralnej sięgającej czasów telegrafu, przedstawi aktualny stan wiedzy oraz czekającą tuż za rogiem przyszłość, w której nie będziemy już musieli pamiętać haseł.
Krzysztof Raczyński
Założyciel i prezes Digital Fingerprints, dostawcy systemu bezpieczeństwa opartego o biometrię behawioralną. Digital Fingerprints w niewidoczny sposób chroni klientów instytucji finansowych, między innymi mBanku oraz ING Banku Śląskiego, gdzie wykrywa przejęcia kont oraz fraudy zanim dojdzie do utraty środków. Krzysztof posiada ponad 10 letnie doświadczenie w zarządzaniu zespołami i projektami związanymi z bezpieczeństwem oraz IT w Polsce, a także w Stanach Zjednoczonych. Jest absolwentem Polsko-Japońskiej Akademii Technik Komputerowych oraz studentem MBA Akademii Leona Koźmińskiego.
Prokrastynacja to zaburzenie samokontroli polegające na irracjonalnym odkładaniu niektórych zadań. Szacuje się, że problem ten dotyka około 15% dorosłej populacji. W czasie seminarium opowiem pokrótce co naukowcy już wiedzą na temat prokrastynacji, następnie przejdę o przedstawienia naszych badań (behawioralnych i z wykorzystaniem fMRI).
Pierwsze badania opierały się na klasycznym zadaniu Go/No-go, zmodyfikowanym jednak, aby dołożyć do niego kontekst kar i nagród. Okazało się, że osoby z tendencją do odkładania zadań (HP) różnią się od osób bez takiej tendencji (LP) aktywnością mózgu w czasie zadania. Osoby z grupy HP charakteryzowały się niższą aktywnością przedniej części zakrętu obręczy (anterior cintulate cortex, ACC) po popełnieniu błędu w zadaniu. Ponadto w warunku z karaniem za błędy osoby z grupy HP wykazywały też niższą aktywność grzbietowo-bocznej kory przedczołowej (dorsolateral prefronal cortex, DLPFC) w porównaniu do osób z grupy LP.
Kolejne badania, dotyczą zdolności uczenia się na własnych błędach. W badaniu wykorzystano zadanie probabilistycznego naprzemiennego uczenia się (probabilistic reversal learning task), a przy analizie wyników wykorzystano klasyczny model uczenia Rescorli i Wagnera. Zastosowanie tego modelu pozwoliło zaobserwować, że osoby z grupy LP stają się bardziej wrażliwe na swoje błędy, jeśli są za te błędy karane. Zależności takiej nie zaobserwowano w grupie prokrastynatorów. Następnie przeprowadziliśmy podobne badanie z wykorzystaniem fMRI – analizy trwają i jest szansa, że przedstawię pierwsze wyniki w czasie seminarium.
Jedną z możliwych interpretacji otrzymanych wyników jest hipoteza, że prokrastynacja jest wynikiem trudności w uczeniu się samokontroli.
W dniach 1.09-13.09.2020r. przy współpracy współpracy naszego koła z Kołem Naukowym „NeuroPsyche” SWPS odbyła się Letnia Szkoła Neuronauki. Wydarzenie obejmowało 15 warsztatów online dotyczących różnorodnej tematyki z zakresu neuronauk, na które zapisało się około 200 osób.
Podczas dwóch tygodni miały miejsce następujące warsztaty:
Wprowadzenie do Pythona – Maciej Gaca
Letnią Szkołę Neuronauk otworzyły warsztaty z Maciejem Gacą – doktorantem w Pracowni Obrazowania Mózgu Instytutu Biologii Doświadczalnej im. M. Nenckiego PAN, który naukowo związany jest z badaniami nad plastycznością funkcjonalną i strukturalną mózgu, przede wszystkim w kontekście nauki alfabetu Braille’a. Maciej jest ponadto zaangażowany w inne projekty, związane z takimi tematami jak e-sport i jego wpływ na zdolności poznawcze, wpływ palenia marihuany na elektrofizjologię mózgu, czy wpływ oglądania pornografii na satysfakcję z związku
Uczestnicy warsztatów mieli okazję nauczyć się podstaw programowania w języku Python. Omówione zostały rodzaje zmiennych, typy danych, sposoby iterowania, implementowania warunków czy podstawowych funkcji, aż po narzędzia umożliwiające działania na macierzach i wizualizowanie danych.
Zależności przyczynowe w sygnałach wielokanałowych – Dr hab. Maciej Kamiński
Warsztaty poprowadził dr hab. Maciej Kamiński – fizyk i neuroinformatyk, absolwent Wydziału Fizyki Uniwersytetu Warszawskiego, od początku związany z Zakładem Fizyki Biomedycznej. Jest współtwórcą metody DTF, która służy do oceny przyczynowych związków międzykanałowych. Opracował wiele jej odmian, w tym służącą do badania przepływów informacji między obszarami mózgu. Obecnie prowadzi przedmioty Elektrodynamika dla neuroinformatyków, Pracownia EEG, Laboratorium EEG.
Na warsztatach uczestnicy poznawali specyfikę i własności danych wielokanałowych, a w szczególności zagadnienie zależności między sygnałami. Na podstawie przykładowych danych symulowanych i rzeczywistych, mieli okazję przekonać się jakie informacje można z takich danych uzyskać i jakie trudności można napotkać w trakcie ich analizy.
Wprowadzenie do analizy danych EEG w Pythonie – Natalia Jakubowska
Prowadzącą warsztaty była Natalia Jakubowska – absolwentka kognitywistyki na UMCS (specjalizacja Sztuczna Inteligencja i Logika) i kognitywistyki na Uniwersytecie Warszawskim (specjalizacja Neurokognitywistyka), doktorantka interdyscyplinarnych studiów ICT & Psychology (SWPS & PJATK). Zajmuje się analizą danych EEG, a specjalizuje w ERPach.
Podczas warsztatów przedstawione zostały podstawowe własności sygnałów EEG, a także metody analizowania sygnałów EEG przy wykorzystaniu języka programowania Python.
Podstawy modeli mieszanych (hierarchical linear models) w środowisku R – dr Maksymilian Bielecki, Wydział Psychologii Uniwersytetu SWPS
Warsztaty zostały poprowadzone przez dr. Maksymiliana Bieleckiego, który zajmuje się psychofizjologią, metodologią oraz psychometrią. Jego zainteresowania badawcze to przede wszystkich metodologia psychologii i statystyka w badaniach społecznych oraz psychologia poznawcza. Dr Maksymilian Bielecki współpracuje z wieloma instytucjami naukowymi, m.in. Warszawskim Uniwersytetem Medycznym, Instytutem Psychologii Polskiej Akademii Nauk oraz Interdyscyplinarnym Centrum Genetyki Zachowania UW, Instytutem Biologii Doświadczalnej im. M. Nenckiego oraz Centrum Nauki Kopernik. Jest jednym z założycieli Centrum Innowacji Społecznych SWPS, gdzie zajmuje się projektami pozwalającymi wykorzystać wiedzę psychologiczną w procesie tworzenia nowych produktów, procesów i usług. Równolegle z działalnością naukową od kilkunastu lat zajmuje się projektami dla biznesu jako kierownik projektów badawczych, a także konsultant w zakresie metodologii, statystyki oraz ekonomii behawioralnej.
Na Uniwersytecie SWPS prowadzi zajęcia m.in. z zastosowania metod analitycznych w nauce i biznesie, wizualizacji danych, metod badawczych wykorzystywanych w badaniach user experience, zaawansowanych metod analizy danych, konstrukcji narzędzi pomiarowych w psychologii, psychologii zachowań konsumenckich.
W trakcie prowadzonych spotkań omówione zostały metody realizacji w środowisku R „zwykłej” analizy regresji, a także podstawowe założenia hierarchiczne modeli liniowych, tzw. modeli mieszanych. Uczestnicy warsztatów mieli również okazję, korzystając z realistycznych przykładów danych, samodzielnie stworzyć modele wyjaśniające m.in. dane uzyskiwane w badaniach okulograficznych dotyczących czytania.
Praktyczno-teoretyczne warsztaty z analizy sygnałów w przestrzeni czas-częstość w oparciu o program SVAROG – prof. dr hab. Piotr Durka
Prowadzącym warsztaty był prof. dr hab. Piotr Durka, fizyk i neuroinformatyk, autor kilkudziesięciu artykułów i pięciu książek, od początku studiów związany z Wydziałem Fizyki Uniwersytetu Warszawskiego. Zajmuje się analizą EEG, interfejsami mózg-komputer (brain-computer interface, BCI) i oceną stanu pacjentów z zaburzeniami świadomości (ostatnie we współpracy z warszawską kliniką Budzik). W roku 2008 przeprowadził pierwszy w Polsce publiczny pokaz działania BCI. Cztery lata później zaprojektowany przez niego system okazał się najszybszym BCI na międzynarodowych targach CeBIT. W roku 2009 stworzył na Wydziale Fizyki Uniwersytetu Warszawskiego pierwsze w świecie pełne studia Neuroinformatyki. W roku 2012 założył firmę BrainTech, która po 3 latach wdrożyła otwarty i darmowy system oprogramowania dla niepełnosprawnych o tragicznie ograniczonych możliwościach komunikacji (Polski Interaktywny System Alternatywnej Komunikacji PISAK https://pisak.org). Aktualnie BrainTech wprowadza na rynek nowatorskie na skalę światową sprzęt i oprogramowanie interfejsów mózg-komputer. Bliższe informacje na stronach https://durka.name i https://braintech.pl.
Tematem warsztatów była analiza sygnałów w przestrzeni czas-częstość. Przedstawione zostały różne sposoby estymacji i prezentacji gęstości energii sygnałów w przestrzeni czas-częstość: krótkoczasowa transformata Fouriera, transformacja falkowa, matching pursuit oraz różnice między nimi. Uczestnicy zapoznali się z programem Svarog – oprogramowaniem do wizualizacji, analizy i rejestracji sygnałów bioelektrycznych. Przy jego wykorzystaniu samodzielnie próbowali zwizualizować i przeanalizować przykładowe sygnały w przestrzeni czas-częstość.
Zainteresowanych zachęcamy do obejrzenia nagrania z warsztatów:
https://drive.google.com/…/18RGdihoaY…/view…
Modelowanie obliczeniowe zachowania – Przemysław Marcowski
Warsztaty poprowadził Przemysław Marcowski, który jest doktorantem w DecisionLab Uniwersytetu SWPS w Warszawie. Naukowo interesuje się badaniem procesów podejmowania decyzji. Obecnie jest zaangażowany w projekty badawcze dotyczące prokrastynacji, decyzji ryzykownych i międzyokresowych oraz interakcji pomiędzy trudnością dostępu do dóbr i ich wartością.
Uczestnicy warsztatów mieli okazję zgłębić temat modelowania obliczeniowego zachowania (na przykładzie podejmowania decyzji). Podczas spotkań zaprezentowano, jak zdefiniować przykładowy model, jego estymator i funkcje straty. Przedstawiono również, jak oceniać jakości modeli pod względem tego, jak dobrze przewidują interesujące nas zachowanie, a także w jaki sposób wizualizować otrzymane wyniki.
7. Deep Learning w PyTorch do klasyfikacji obrazu – dr Piotr Migdał
Dr Piotr Migdał jest założycielem firmy Quantum Flytrap + AI Researcher w ECC Games, specjalistą w dziedzinie Deep Learning i doktorem fizyki kwantowej (tytuł zdobyty w ICFO Castelldefels). Zajmuje się rozwojem sztucznej inteligencji do tworzenia zawartości oraz optymalizacji działania silników fizycznych w ECC Games. Stworzył 'Quantum Game with Photons’ – przeglądarkową, otwartoźródłową grę logiczną opartą na zasadach mechaniki kwantowej. Dr Piotr Migdał jest także deweloperem livelossplot – biblioteki Pythona pozwalającej na wizualizację procesu uczenia w Jupyter Notebook.
Warsztaty były wprowadzeniem do używania sztucznych sieci neuronowych przy klasyfikacji obrazu.Uczestnicy mogli dowiedzieć się, co to jest gradient descent (główny algorytm do uczenia modeli) oraz stworzyć sieć, która rozpoznawała zdjęcia albo odręczne rysunki.
Zainteresowanych zachęcamy do obejrzenia nagrania z warsztatów:
BCI oparte na P300, BCI oparte na SSVEP oraz BCI oparte na zjawisku związanym z wyobrażeniem ruchu – dr Anna Duszyk-Bogorodzka
Prowadzącą była dr Anna Duszyk-Bogorodzka – absolwentka Uniwersytetu Jagiellońskiego (kierunek muzykologia), Uniwersytetu SWPS (kierunek neurokognitywistyka) oraz Interdyscyplinarnych Studiów Doktoranckich Uniwersytetu SWPS, gdzie obroniła rozprawę doktorską przygotowaną pod kierunkiem prof. A. Grabowskiej i Prof. P. Durki. Od 2010 roku współpracuje z Wydziałem Fizyki UW. Prace badawcze prowadzi w oparciu o technikę elektroencefalografii. W latach 2014 i 2015 gościła ona w Leibniz Institute for Neurobiology, gdzie zapoznała się z techniką magnetoencefalografii. W 2016 odbyła ona staż w w Coma Science Group (Uniwersytet w Liege, Belgia), podczas którego zdobyła doświadczenie w pracy z chorymi z zaburzeniami świadomości, które wykorzystuje obecnie w pracy z pacjentami Kliniki Budzik.
Podczas warsztatów zajmowano się zagadnieniem interfejsu mózg-komputer (Brain-Computer Interface), czyli technologii umożliwiającej komunikację z komputerem za pomocą fal mózgowych bez udziału mięśni. Omówiono 3 najbardziej popularne paradygmaty BCI wykorzystujące odmienne odpowiedzi neuronalne: BCI oparte na P300, SSVEP i zjawisku związanym z wyobrażeniem ruchu. Przedstawiono mechanizmy fizjologiczne leżące u podstaw generowania danego typu aktywności neuronalnej i założenia budowy danego typu interfejsu. Uczestnicy warsztatów mieli również okazję samodzielnie przeanalizować dane EEG zarejestrowane podczas pracy BCI.
Co bakterie jelitowe mają wspólnego z zaburzeniami takimi jak lęk czy depresja? Jak ich funkcjonowanie łączy się funkcjonowaniem mózgu? Czy bakterie jelitowe mogą być wsparciem w terapii zaburzeń psychicznych?
Podczas spotkania spojrzymy na te i inne problemy przez pryzmat komunikacji jelita – mózg.
mgr Aleksandra Bramorska – absolwentka psychologii Uniwersytetu SWPS w Warszawie, obecnie doktorantka Międzyuczelnianych Interdyscyplinarnych Studiów Doktoranckich – Psychologia & Informatyka organizowanych wspólnie przez Polsko-Japońską Akademię Technik Komputerowych oraz Uniwersytet SWPS. W kontekście pracy doktorskiej zajmuje się badaniem oddziaływania osi jelitowo-mózgowej i wpływu mikrobioty na funkcjonowanie poznawcze.
mgr Wanda Zarzycka absolwentka Wydziału Psychologii Uniwersytetu SWPS, obecnie doktorantka Interdyscyplinarnych Studiów Doktoranckich SWPS. W ramach pracy doktorskiej zajmuje się badaniem mikrobioty jelitowej w kontekście diety i procesów psychicznych.
mgr Jagna Żakowicz – ukończyła studia magisterskie na Wydziale Psychologii Uniwersytetu SWPS. Obecnie realizuje program Międzyuczelnianych Interdyscyplinarnych Studiów Doktoranckich – Psychologia & Informatyka organizowanych wspólnie przez Polsko-Japońską Akademię Technik Komputerowych oraz Uniwersytet SWPS. W ramach projektu doktorskiego bada relację między mikrobiotą jelitową a nastrojem.
Naszym prelegentem będzie dr hab. Maciej Kamiński – absolwent Wydziału Fizyki, od początku związany z Zakładem Fizyki Biomedycznej. Współtwórca metody DTF, która służy do oceny przyczynowych związków międzykanałowych. Opracował wiele jej odmian, w tym służącą do badania przepływów informacji między obszarami mózgu. Opowiedział nam o badaniu zależności przyczynowych w danych biomedycznych.
W dniach 23-24 listopada 2019 zespół członków Koła Naukowego Neuroinformatyki w składzie Ada Kochlewska, Zuzanna Lewandowska, Tomasz Necio, Cezary Paziewski i Anna Stróż brał udział w Hackathonie+ — wydarzeniu organizowanym przez Ministerstwo Funduszy i Polityki Regionalnej dotyczącym tworzenia rozwiązań dla osób z niepełnosprawnościami. Członkowie Koła otrzymali wyróżnienie od Polsko-Japońskiej Akademii Technik Komputerowych za projekt interfejsu do obsługi serwisu YouTube przy użyciu jednego przycisku, spełniający wytyczne dotyczące dostępności WCAG 2.1.
Taki interfejs stworzony został z myślą o osobach o bardzo szczególnych potrzebach – osobach z zespołem zamknięcia. Jest to stan, w którym osoba w pełni świadoma i przytomna wskutek urazu lub choroby traci kontrolę nad niemalże wszystkimi mięśniami. Interfejs podświetla kolejno możliwe do wyboru przez użytkownika pola. Dokonanie wyboru wymaga używania zaledwie jednego przycisku. Specjalny przycisk umieszcza się przy mięśniu, który dana osoba jest w stanie kontrolować.
“Celem H+ jest przyczynienie się do podniesienia jakości i niezależności życia osób o szczególnych potrzebach, w tym osób starszych i osób z trwałymi lub czasowymi trudnościami w zakresie mobilności lub percepcji. Efektem H+ będą rozwiązania takie jak aplikacje, aplikacje mobilne, serwisy internetowe lub ich prototypy zorientowane na znoszenie barier w dostępności.”
Neurofeedback to przede wszystkim terapia, która w bezinwazyjny sposób powinna zapewnić poprawę funkcji poznawczych takich jak pamięć, uwaga czy logiczne myślenie. W swoich założeniach neurofeedback (EEG lub fMRI) opiera się na przesłankach wynikających z badań naukowych, jednak pytanie czy w praktyce rzeczywiście tak jest i czy terapia oparta na tej metodzie jest skuteczna ciągle pozostaje otwarte. Przesłanki wynikające z analizy dostępnej literatury oraz wnioski płynące z własnych badań wskazują, że zarówno stosowane metody jak i ich wyniki budzą wątpliwości. Popularność neurofeedback jako metody terapeutycznej wciąż rośnie, tylko w Polsce mamy kilka tysięcy gabinetów, więc pytanie czy terapia neurofeedback to dobra inwestycja w nasze zdrowie jest bardzo zasadne.
Naszym gościem będzie prof. zw. dr hab. Daniel Wójcik, członek Federation of European Neuroscience Societies Committee of Higher Education and Training.
„Przedstawię jądrową metodę rekonstrukcji źródłowej gęstości prądu (kernel Current Source Density), czyli źródeł potencjału elektrycznego rejestrowanego w mózgu. Pokażę, co można a czego nie można powiedzieć o tych źródłach na podstawie pomiarów [https://doi.org/10.1101/708511].”
