هوش مصنوعی برای تحلیل سیگنال‌های عصبی

روش‌های یادگیری ماشین و پردازش سیگنال برای تحلیل ثبت‌های عصبی و استخراج الگوهای زمانی یا مکانی معنادار.

پروژه‌ها می‌توانند پیش‌پردازش، حذف artifact، استخراج ویژگی، classification، regression، representation learning و مدل‌سازی زمانی را شامل شوند.

کاربردها شامل EEG، MEG، ثبت‌های الکتروفیزیولوژیک، داده‌های رفتاری-عصبی و پژوهش‌های علوم اعصاب محاسباتی است.

روش پیاده‌سازی بر اساس داده‌های موجود، محدودیت‌های فنی، میزان اتوماسیون مورد نیاز و زیرساخت نرم‌افزاری یا پژوهشی پروژه انتخاب می‌شود. راهکار می‌تواند به‌صورت یک جزء مستقل یا درون یک سامانه بزرگ‌تر پیاده‌سازی شود.

هدف، ایجاد یک جریان محاسباتی روشن و قابل ارزیابی است که بتوان آن را در ادامه نگهداری، توسعه و با نیازهای جدید پروژه تطبیق داد. بنابراین انتخاب مدل، پردازش داده، رابط‌ها و روش استقرار بر اساس مسئله واقعی پروژه تعیین می‌شود.