(Продолжение)
4. Сопоставление стандартных обратных операторов
В этой публикации находится полезное сопоставление пространственных характеристик результатов, получаемых с использованием стандартных обратных операторов: MNE, dSPM, sLORETA, eLORETA, и MxNE. Одним из результатов стало наблюдение, что соотношение сигнал-шум влияло на результаты и что для получения релевантных результатов его значение должно быть как минимум 0.1, для получения хороших результатов – к 3, а с 10 положительный вклад не наблюдается явным образом.
5. Общие рекомендации по проведению МЭГ-исследования и публикации результатов
В статье содержатся полезные чек-листы, которые следует учитывать при регистрации МЭГ, на каждом основном этапе обработки и при изложении результатов. Также есть полезные рекомендации, в частности, по количеству эпох записи для разных типов мозговых ответов, по межстимульным интервалам, по применению фильтров, коррекции бейзлайна, по подводным камням обратных операторов, по анализу функциональной связности и т. д.
6. Проблемы ЭЭГ- и МЭГ-исследований
В данной публикации перечислены проблемы, которые приводят к снижению репродуцируемости такого рода исследований. К ним относятся ручной выбор каналов или областей интереса в пространстве источников, отсутствие поправок на множественные сравнения, неосторожное обращение с метриками функциональной связности и т. д.
Когда остановиться? – этот вопрос возникает публикации с описанием рекомендаций по обработке данных в MNE Python. Действительно, "подкручивать" анализ данных, добиваясь чего-то вразумительного или притягивая результаты к желаемой гипотезе, можно бесконечно. Один из способов этого избежать – это пре-регистрация исследования. Другой способ – использовать количественные критерии качества данных и результатов анализа, которые не зависят от гипотезы. Если же опираться на практические стратегии, то авторы рекомендуют:
1. Знать источники шума в своих данных.
2. Осторожно обращаться с сигналами, которые нас не интересуют (например, не всегда обязательно максимально сильно подавлять физиологические артефакты, если метод дальнейшего анализа к ним не чувствителен).
3. Зрительно изучать данные на каждом этапе обработки, даже если пайплайн полностью автоматический.
4. Учитывать недетерминированные шаги обработки (например, разложение на независимые компоненты, которое может давать различные результаты на каждой итерации) и максимально избегать ручной обработки там, где это возможно, для увеличения репродуцируемости результатов.
5. В процессе периода обработки данных из одной парадигмы – не менять версии программного обеспечения, поскольку изменение некоторых функций в обновленных версиях может влиять на результат.
6. Использовать адекватные статистические подходы, не забывать про непараметрический тесты, multivariate decoding и использование анатомических лейблов для снижения размерности анализа в пространстве источников.
P. S. Пост получился не очень научно-популярным (вернее, очень непопулярным), но я знаю, что мой Телеграм-канал читают и собратья по нейроимиджинговому несчастью, и этот материал может с ними резонировать. Для тех же, кто не занимается нейронаукой, все равно рекомендую почитать приведенные материалы, потому что они как раз являются хорошим примером демистификации этой дисциплины и показывают, что везде есть свои ограничения.
4. Сопоставление стандартных обратных операторов
В этой публикации находится полезное сопоставление пространственных характеристик результатов, получаемых с использованием стандартных обратных операторов: MNE, dSPM, sLORETA, eLORETA, и MxNE. Одним из результатов стало наблюдение, что соотношение сигнал-шум влияло на результаты и что для получения релевантных результатов его значение должно быть как минимум 0.1, для получения хороших результатов – к 3, а с 10 положительный вклад не наблюдается явным образом.
5. Общие рекомендации по проведению МЭГ-исследования и публикации результатов
В статье содержатся полезные чек-листы, которые следует учитывать при регистрации МЭГ, на каждом основном этапе обработки и при изложении результатов. Также есть полезные рекомендации, в частности, по количеству эпох записи для разных типов мозговых ответов, по межстимульным интервалам, по применению фильтров, коррекции бейзлайна, по подводным камням обратных операторов, по анализу функциональной связности и т. д.
6. Проблемы ЭЭГ- и МЭГ-исследований
В данной публикации перечислены проблемы, которые приводят к снижению репродуцируемости такого рода исследований. К ним относятся ручной выбор каналов или областей интереса в пространстве источников, отсутствие поправок на множественные сравнения, неосторожное обращение с метриками функциональной связности и т. д.
Когда остановиться? – этот вопрос возникает публикации с описанием рекомендаций по обработке данных в MNE Python. Действительно, "подкручивать" анализ данных, добиваясь чего-то вразумительного или притягивая результаты к желаемой гипотезе, можно бесконечно. Один из способов этого избежать – это пре-регистрация исследования. Другой способ – использовать количественные критерии качества данных и результатов анализа, которые не зависят от гипотезы. Если же опираться на практические стратегии, то авторы рекомендуют:
1. Знать источники шума в своих данных.
2. Осторожно обращаться с сигналами, которые нас не интересуют (например, не всегда обязательно максимально сильно подавлять физиологические артефакты, если метод дальнейшего анализа к ним не чувствителен).
3. Зрительно изучать данные на каждом этапе обработки, даже если пайплайн полностью автоматический.
4. Учитывать недетерминированные шаги обработки (например, разложение на независимые компоненты, которое может давать различные результаты на каждой итерации) и максимально избегать ручной обработки там, где это возможно, для увеличения репродуцируемости результатов.
5. В процессе периода обработки данных из одной парадигмы – не менять версии программного обеспечения, поскольку изменение некоторых функций в обновленных версиях может влиять на результат.
6. Использовать адекватные статистические подходы, не забывать про непараметрический тесты, multivariate decoding и использование анатомических лейблов для снижения размерности анализа в пространстве источников.
P. S. Пост получился не очень научно-популярным (вернее, очень непопулярным), но я знаю, что мой Телеграм-канал читают и собратья по нейроимиджинговому несчастью, и этот материал может с ними резонировать. Для тех же, кто не занимается нейронаукой, все равно рекомендую почитать приведенные материалы, потому что они как раз являются хорошим примером демистификации этой дисциплины и показывают, что везде есть свои ограничения.
#анонс
Возвращаясь к научной популяризации: уже в этот вторник, 21 марта, в 20:00, в рамках 1L Лаборатории на Складе №3 состоится уникальное событие — пройдет открытая запись подкаста “Кортекс”, который ведем я и моя коллега Настя.
Во время записи мы поговорим о нейротехнологиях — о том, как они воплощаются в чисто научной и в коммерческой сфере, об их технических и фундаментальных ограничениях. В ходе обсуждения мы постараемся выяснить, насколько “всесильной” является нейронаука и не заходит ли она в тупик в своих прикладных воплощениях. После завершения записи предусмотрена сессия с ответами на вопросы слушателей, поэтому будем очень рады всех видеть!
Место проведения: Место: г. Москва, Малая Семёновская улица, д. 5, стр. 2.
Как добраться: от станции метро «Электрозаводская» (один выход) пять минут пешком до арт-кластера «Гамма» (вход через арку и налево, в угол здания), подняться на второй этаж, далее — налево.
Возвращаясь к научной популяризации: уже в этот вторник, 21 марта, в 20:00, в рамках 1L Лаборатории на Складе №3 состоится уникальное событие — пройдет открытая запись подкаста “Кортекс”, который ведем я и моя коллега Настя.
Во время записи мы поговорим о нейротехнологиях — о том, как они воплощаются в чисто научной и в коммерческой сфере, об их технических и фундаментальных ограничениях. В ходе обсуждения мы постараемся выяснить, насколько “всесильной” является нейронаука и не заходит ли она в тупик в своих прикладных воплощениях. После завершения записи предусмотрена сессия с ответами на вопросы слушателей, поэтому будем очень рады всех видеть!
Место проведения: Место: г. Москва, Малая Семёновская улица, д. 5, стр. 2.
Как добраться: от станции метро «Электрозаводская» (один выход) пять минут пешком до арт-кластера «Гамма» (вход через арку и налево, в угол здания), подняться на второй этаж, далее — налево.
Секрет успеха французских аспирантов
#аспирантское
Публикация: Corsini, A., Pezzoni, M., & Visentin, F. (2022). What makes a productive Ph. D. student?. Research Policy, 51(10), 104561.
Недавно были опубликованы результаты анализа факторов, которые влияли на публикационную активность 77143 аспирантов из Франции, закончивших аспирантуру между 2004 и 2014 годами по STEM-направлениям (естественные науки, технология, инженерия и математика).
Выяснилось, что:
- У ваших статей будет больше цитирований и у вас будет больше соавторов, если ваш научный руководитель – женщина. Наиболее выраженной эта закономерность оказывается в области инженерии, где научных руководителей-женщин меньше всего.
- У вас будет больше публикаций, цитирований и соавторов, если ваш научный руководитель находится в середине развития своей карьеры. По параметру количества публикаций оптимальная длительность карьеры научного руководителя должна быть в среднем 9.74 лет. Возможно, если ваш научный руководитель еще сам пребывает в процессе становления, вы будете ощущать больше ответственности за свою работу и не полагаться слепо на авторитет.
- У вас будет меньше публикаций, цитирований и соавторов, если менторский опыт вашего руководителя слишком большой. Этот неочевидный результат может интерпретироваться следующим образом: неопытные научные руководители могут быть более склонны оказывать поддержку своим студентам, в т. ч. и эмоциональную.
- Если ваш научный руководитель располагает грантом, это предсказуемым образом положительно скажется на цитировании ваших публикаций.
- Пребывание в больших группах коллег и студентов негативно скажется на вашей публикационной активности, предположительно из-за невозможности сфокусированного менторства со стороны научного руководителя. Исключение составляют математические дисциплины, в которых количество цитирований коррелирует с количеством коллег. Без привязки к дисциплинарной направленности, в соответствии с некоторыми оценками, если у руководителя больше 4 студентов, это снижает прогресс в их работе над диссертацией.
- Если статьи ваших коллег высоко цитируются, это будет оказывать положительное влияние на ваши публикации.
Результаты любопытные, но пока не очевидно, насколько хорошо они ложатся на реалии получения PhD в области нейронауки в России. Если вы аспирант или были им, поделитесь в комментариях своими наблюдениями относительно того, что и как в вашем PhD-опыте влияло на вашу публикационную активность и общую продуктивность!
#аспирантское
Публикация: Corsini, A., Pezzoni, M., & Visentin, F. (2022). What makes a productive Ph. D. student?. Research Policy, 51(10), 104561.
Недавно были опубликованы результаты анализа факторов, которые влияли на публикационную активность 77143 аспирантов из Франции, закончивших аспирантуру между 2004 и 2014 годами по STEM-направлениям (естественные науки, технология, инженерия и математика).
Выяснилось, что:
- У ваших статей будет больше цитирований и у вас будет больше соавторов, если ваш научный руководитель – женщина. Наиболее выраженной эта закономерность оказывается в области инженерии, где научных руководителей-женщин меньше всего.
- У вас будет больше публикаций, цитирований и соавторов, если ваш научный руководитель находится в середине развития своей карьеры. По параметру количества публикаций оптимальная длительность карьеры научного руководителя должна быть в среднем 9.74 лет. Возможно, если ваш научный руководитель еще сам пребывает в процессе становления, вы будете ощущать больше ответственности за свою работу и не полагаться слепо на авторитет.
- У вас будет меньше публикаций, цитирований и соавторов, если менторский опыт вашего руководителя слишком большой. Этот неочевидный результат может интерпретироваться следующим образом: неопытные научные руководители могут быть более склонны оказывать поддержку своим студентам, в т. ч. и эмоциональную.
- Если ваш научный руководитель располагает грантом, это предсказуемым образом положительно скажется на цитировании ваших публикаций.
- Пребывание в больших группах коллег и студентов негативно скажется на вашей публикационной активности, предположительно из-за невозможности сфокусированного менторства со стороны научного руководителя. Исключение составляют математические дисциплины, в которых количество цитирований коррелирует с количеством коллег. Без привязки к дисциплинарной направленности, в соответствии с некоторыми оценками, если у руководителя больше 4 студентов, это снижает прогресс в их работе над диссертацией.
- Если статьи ваших коллег высоко цитируются, это будет оказывать положительное влияние на ваши публикации.
Результаты любопытные, но пока не очевидно, насколько хорошо они ложатся на реалии получения PhD в области нейронауки в России. Если вы аспирант или были им, поделитесь в комментариях своими наблюдениями относительно того, что и как в вашем PhD-опыте влияло на вашу публикационную активность и общую продуктивность!
Корреляции ЭЭГ-коррелятов
#neuroimaging
Публикация: Päeske, L., Uudeberg, T., Hinrikus, H. et al. Correlation between electroencephalographic markers in the healthy brain. Sci Rep 13, 6307 (2023).
Когда записи активности мозга (например, ЭЭГ) попадают в руки тех, кто их обрабатывает, велик соблазн, не имя продуманной гипотезы, свести весь анализ к поисковой стратегии и вычислить на основе этих данных огромное количество всевозможных маркеров. Есть маркеры, обладающие очевидной информативностью: например, когда мы закрываем глаза, в затылочных отведениях на ЭЭГ увеличивается выраженность альфа-ритма (8-12 Гц). Или, например, когда регистрируется ЭЭГ у пациента с эпилепсией, велика вероятность наблюдать в данных наличие межсудорожных разрядов (острых пиков с волной). Есть маркеры менее очевидные, не обязательно базирующиеся на прямых допущениях о физиологии мозга. К этим маркерам относятся показатели из теории информации или метрики нелинейность. По своему опыту могу сказать, что прибегание к таким маркерам часто может мотивироваться ситуацией, когда, например, исследуемое заболевание не вызывает очевидных изменений в ЭЭГ на уровне спектральной плотности мощности (PSD) и других стандартных оценок.
Многообразие того, что можно вычислить на основе ЭЭГ, порождает вопрос о том, насколько получаемые маркеры независимы и может ли оказаться избыточным использование некоторых из них. Позавчера в Scientific Reports вышла статья, отвечающая на этот вопрос.
Что было сделано
У 80 здоровых добровольцев записали ЭЭГ с 30 электродов в состоянии покоя. На основе полученных записей вычислили следующие маркеры:
1. Частотные маркеры:
- PSD, спектральная плотность мощности;
- Среднее PSD внутри стандартных частотных диапазонов (тета, альфа, бета, гамма).
2. Маркеры динамики внутри каждого канала (привожу только названия, по своей сути они отражают нелинейные характеристики временного ряда):
- HFD, фрактальная размерность Хигучи;
- DFA, показатель детрендированного флуктуационного анализа;
- LZC, cложность Лемпеля — Зива;
3. Маркеры связности между каналами:
- SL, синхронизированная вероятность;
- MI, взаимная информация;
- MSC, реальная часть когерентности (квадратичная когерентность);
- ImC, мнимая часть когерентности.
Результаты
В итоге получилось 12 маркеров и, соответственно, 66 пар их сопоставления. Больше половины пар маркеров (37 из 66) продемонстрировали значимую корреляцию. При этом корреляция между маркерами внутри одной из трех категорий не ниже, чем между маркерами из разных категорий. Фрактальная размерность Хигучи, синхронизированная вероятность, взаимная информация и мощность альфа-ритма характеризовались наибольшим числом корреляций с другими маркерами.
Интересна отрицательная корреляция между динамическими показателями (категория 2) и частотными показателями (категория 1, кроме мощности гамма-ритма). Поскольку динамические показатели не зависят от масштаба данных, эта корреляция должна объясняться механизмами, не связанными с мощностью сигнала или конкретной осцилляторной компоненты.
В исследовании маркеры вычислялись без привязки к расположению сенсоров, и это необходимо учесть в последующих репликациях.
Итоги
С одной стороны, исследование указывает на зависимые группы маркеров, что важно само по себе как методический результат. С другой стороны, показатели, для которых обнаружилась высокая корреляция со многими другими, потенциально могут использоваться как универсальные диагностические маркеры, раз они чувствительны сразу к нескольким характеристикам сигнала.
#neuroimaging
Публикация: Päeske, L., Uudeberg, T., Hinrikus, H. et al. Correlation between electroencephalographic markers in the healthy brain. Sci Rep 13, 6307 (2023).
Когда записи активности мозга (например, ЭЭГ) попадают в руки тех, кто их обрабатывает, велик соблазн, не имя продуманной гипотезы, свести весь анализ к поисковой стратегии и вычислить на основе этих данных огромное количество всевозможных маркеров. Есть маркеры, обладающие очевидной информативностью: например, когда мы закрываем глаза, в затылочных отведениях на ЭЭГ увеличивается выраженность альфа-ритма (8-12 Гц). Или, например, когда регистрируется ЭЭГ у пациента с эпилепсией, велика вероятность наблюдать в данных наличие межсудорожных разрядов (острых пиков с волной). Есть маркеры менее очевидные, не обязательно базирующиеся на прямых допущениях о физиологии мозга. К этим маркерам относятся показатели из теории информации или метрики нелинейность. По своему опыту могу сказать, что прибегание к таким маркерам часто может мотивироваться ситуацией, когда, например, исследуемое заболевание не вызывает очевидных изменений в ЭЭГ на уровне спектральной плотности мощности (PSD) и других стандартных оценок.
Многообразие того, что можно вычислить на основе ЭЭГ, порождает вопрос о том, насколько получаемые маркеры независимы и может ли оказаться избыточным использование некоторых из них. Позавчера в Scientific Reports вышла статья, отвечающая на этот вопрос.
Что было сделано
У 80 здоровых добровольцев записали ЭЭГ с 30 электродов в состоянии покоя. На основе полученных записей вычислили следующие маркеры:
1. Частотные маркеры:
- PSD, спектральная плотность мощности;
- Среднее PSD внутри стандартных частотных диапазонов (тета, альфа, бета, гамма).
2. Маркеры динамики внутри каждого канала (привожу только названия, по своей сути они отражают нелинейные характеристики временного ряда):
- HFD, фрактальная размерность Хигучи;
- DFA, показатель детрендированного флуктуационного анализа;
- LZC, cложность Лемпеля — Зива;
3. Маркеры связности между каналами:
- SL, синхронизированная вероятность;
- MI, взаимная информация;
- MSC, реальная часть когерентности (квадратичная когерентность);
- ImC, мнимая часть когерентности.
Результаты
В итоге получилось 12 маркеров и, соответственно, 66 пар их сопоставления. Больше половины пар маркеров (37 из 66) продемонстрировали значимую корреляцию. При этом корреляция между маркерами внутри одной из трех категорий не ниже, чем между маркерами из разных категорий. Фрактальная размерность Хигучи, синхронизированная вероятность, взаимная информация и мощность альфа-ритма характеризовались наибольшим числом корреляций с другими маркерами.
Интересна отрицательная корреляция между динамическими показателями (категория 2) и частотными показателями (категория 1, кроме мощности гамма-ритма). Поскольку динамические показатели не зависят от масштаба данных, эта корреляция должна объясняться механизмами, не связанными с мощностью сигнала или конкретной осцилляторной компоненты.
В исследовании маркеры вычислялись без привязки к расположению сенсоров, и это необходимо учесть в последующих репликациях.
Итоги
С одной стороны, исследование указывает на зависимые группы маркеров, что важно само по себе как методический результат. С другой стороны, показатели, для которых обнаружилась высокая корреляция со многими другими, потенциально могут использоваться как универсальные диагностические маркеры, раз они чувствительны сразу к нескольким характеристикам сигнала.
#podcast
В нашем с Настей подкасте “Кортекс” новый выпуск. Мы коснулись некоторых органичений нейротехнологий и показали, что ЭЭГ регистрирует далеко не все, нейрообратная связь — не панацея, а нейроинтерфейсы иногда представляют не самое лаконичное решение для целей улучшения когнитивных функций. Ракурсы обсуждения этой темы разнообразны, и некоторые из них не рассматривались в этом выпуске. В частности, мы не обсуждали тему развития современных функциональных протезов, их комфорта для использования, сложностей с созданием тактильной обратной связи и т. д., что было недавно освещено в данном видео. Также за рамками обсуждения остались аспекты инженерных разработок электродов, стимуляторов и прочих составляющих аппаратуры. Но даже несмотря на то что наше обсуждение покрыло лишь часть возможных нюансов, выводы формулируются просто:
1. “Совершенное применение несовершенных средств” дает свои плоды: современные нейротехнологии далеко не совершенны, но их эффективность в сфере коррекции ряда заболеваний нельзя отрицать;
2. Эффективность нейротехнологий для neuroenhancement в норме менее очевидна;
3. Нейрохайп — зло, лучше называть вещи своими именами.
Следующий выпуск будет посвящен этическим аспектам использования нейротехнологий, так что эту тему мы пока не закрываем.
В нашем с Настей подкасте “Кортекс” новый выпуск. Мы коснулись некоторых органичений нейротехнологий и показали, что ЭЭГ регистрирует далеко не все, нейрообратная связь — не панацея, а нейроинтерфейсы иногда представляют не самое лаконичное решение для целей улучшения когнитивных функций. Ракурсы обсуждения этой темы разнообразны, и некоторые из них не рассматривались в этом выпуске. В частности, мы не обсуждали тему развития современных функциональных протезов, их комфорта для использования, сложностей с созданием тактильной обратной связи и т. д., что было недавно освещено в данном видео. Также за рамками обсуждения остались аспекты инженерных разработок электродов, стимуляторов и прочих составляющих аппаратуры. Но даже несмотря на то что наше обсуждение покрыло лишь часть возможных нюансов, выводы формулируются просто:
1. “Совершенное применение несовершенных средств” дает свои плоды: современные нейротехнологии далеко не совершенны, но их эффективность в сфере коррекции ряда заболеваний нельзя отрицать;
2. Эффективность нейротехнологий для neuroenhancement в норме менее очевидна;
3. Нейрохайп — зло, лучше называть вещи своими именами.
Следующий выпуск будет посвящен этическим аспектам использования нейротехнологий, так что эту тему мы пока не закрываем.
Подпороговое сокрытие данных нейровизуализации: когда статистики не достаточно
#neuroimaging #metascience
Публикация: Taylor, P. A., Reynolds, R. C., Calhoun, V., Gonzalez-Castillo, J., Handwerker, D. A., Bandettini, P. A., ... & Chen, G. (2023). Highlight Results, Don't Hide Them: Enhance interpretation, reduce biases and improve reproducibility. Neuroimage, 120138.
В Neuroimage появилась публикация, призывающая приводить в статьях все результаты исследования, даже те, которые не характеризуются статистической значимостью или находятся ниже заданного порога. На текущий момент это не является типичной практикой: очень часто в тексте публикации "выживает" лишь небольшая часть того, что действительно было получено при обработке данных. Это затрудняет репликацию исследований и проведение мета-анализов, а также приводит к искажениям в интерпретации со стороны читателей и самих авторов.
На графике представлен пример двух вариантов визуализации результатов. В первом случае (A) демонстрируются только кластеры, соответствующие статистически значимой активации, во втором случае – вся карта активации и выделенные значимые кластеры. Во втором случае (B) заметно, что мощность активации во многих незначимых кластерах близка к мощности значимых кластеров, поэтому игнорировать такую активацию полностью в рамках интерпретации, как произошло в первом случае, было бы ошибочно.
Также при демонстрации исключительно "надпороговых" результатов возникают и иные проблемы:
- Бинаризация активности мозга, несмотря на то что в реальности он не работает в режиме "ON/OFF";
- Отсутствие отрицания нулевой гипотезы не означает ее подтверждение, поэтому мы не можем быть на 100% уверены в том, что в "подпороговых" регионах отсутствует эффект, так что исключать эти регионы было бы статистически некорректным;
- Исключение из графиков "подпороговых" результатов не позволяет сформировать понимание причины того, почему они оказались ниже порога, что именно происходит с распределением мощности сигнала в этих регионах;
- "Подпороговые" регионы могут явно демонстрировать наличие артефактов, которые не очевидны при их исключении из графиков.
В статье представлены примеры по визуализации на основе открытого датасета фМРТ, объясняющие возможные расхождения в результатах, получаемых в предыдущих публикациях по этому датасету, а также общие полезные практические рекомендации.
#neuroimaging #metascience
Публикация: Taylor, P. A., Reynolds, R. C., Calhoun, V., Gonzalez-Castillo, J., Handwerker, D. A., Bandettini, P. A., ... & Chen, G. (2023). Highlight Results, Don't Hide Them: Enhance interpretation, reduce biases and improve reproducibility. Neuroimage, 120138.
В Neuroimage появилась публикация, призывающая приводить в статьях все результаты исследования, даже те, которые не характеризуются статистической значимостью или находятся ниже заданного порога. На текущий момент это не является типичной практикой: очень часто в тексте публикации "выживает" лишь небольшая часть того, что действительно было получено при обработке данных. Это затрудняет репликацию исследований и проведение мета-анализов, а также приводит к искажениям в интерпретации со стороны читателей и самих авторов.
На графике представлен пример двух вариантов визуализации результатов. В первом случае (A) демонстрируются только кластеры, соответствующие статистически значимой активации, во втором случае – вся карта активации и выделенные значимые кластеры. Во втором случае (B) заметно, что мощность активации во многих незначимых кластерах близка к мощности значимых кластеров, поэтому игнорировать такую активацию полностью в рамках интерпретации, как произошло в первом случае, было бы ошибочно.
Также при демонстрации исключительно "надпороговых" результатов возникают и иные проблемы:
- Бинаризация активности мозга, несмотря на то что в реальности он не работает в режиме "ON/OFF";
- Отсутствие отрицания нулевой гипотезы не означает ее подтверждение, поэтому мы не можем быть на 100% уверены в том, что в "подпороговых" регионах отсутствует эффект, так что исключать эти регионы было бы статистически некорректным;
- Исключение из графиков "подпороговых" результатов не позволяет сформировать понимание причины того, почему они оказались ниже порога, что именно происходит с распределением мощности сигнала в этих регионах;
- "Подпороговые" регионы могут явно демонстрировать наличие артефактов, которые не очевидны при их исключении из графиков.
В статье представлены примеры по визуализации на основе открытого датасета фМРТ, объясняющие возможные расхождения в результатах, получаемых в предыдущих публикациях по этому датасету, а также общие полезные практические рекомендации.
Ученый и поэт
#poetry_of_science
Пока поглощена подготовкой к кандидатскому экзамену, анализом данных и правками к статьям, “Голубь Скиннера” пустует. Но в день рождения А. С. Пушкина позволю себе оставить здесь ссылку на неформальную публикацию теме междисциплинарности c прозрачным названием “Poetry and Neuroscience: An Interdisciplinary Conversation”. Этот текст представляет собой диалог-эссе между нейроученым и поэтом. В нем они делятся своим пониманием того, что такое эксперимент, шум, эмоции и другие понятия (даже использование голоса в ораторском искусстве).
Хоть представленный текст воспринимается как поток, а не набор тезисов, из которых можно выделить основную идею, запомнилась мысль о том, что в поэзии стирается грань между экспериментом и данными, получаемыми в результате его проведения, — в поэзии результаты являются экспериментом. И еще их не нужно реплицировать, скорее наоборот, — какой читатель оценит репликацию репликации?..
Оставив поэтичное настроение в стороне, все же отмечу, что междисциплинарные “высказывания”, оформленные представителями очень далеких направлений, крайне редко бывают содержательными и часто напоминают игру разума ради игры разума. А редкие исключения могут давать толчок к зарождению новых важных трендов в науке (как это случилось во время когнитивной революции в середине прошлого века). Однако дополнительные рефлексии по поводу междисциплинарности оставлю на будущие посты.
#poetry_of_science
Пока поглощена подготовкой к кандидатскому экзамену, анализом данных и правками к статьям, “Голубь Скиннера” пустует. Но в день рождения А. С. Пушкина позволю себе оставить здесь ссылку на неформальную публикацию теме междисциплинарности c прозрачным названием “Poetry and Neuroscience: An Interdisciplinary Conversation”. Этот текст представляет собой диалог-эссе между нейроученым и поэтом. В нем они делятся своим пониманием того, что такое эксперимент, шум, эмоции и другие понятия (даже использование голоса в ораторском искусстве).
Хоть представленный текст воспринимается как поток, а не набор тезисов, из которых можно выделить основную идею, запомнилась мысль о том, что в поэзии стирается грань между экспериментом и данными, получаемыми в результате его проведения, — в поэзии результаты являются экспериментом. И еще их не нужно реплицировать, скорее наоборот, — какой читатель оценит репликацию репликации?..
Оставив поэтичное настроение в стороне, все же отмечу, что междисциплинарные “высказывания”, оформленные представителями очень далеких направлений, крайне редко бывают содержательными и часто напоминают игру разума ради игры разума. А редкие исключения могут давать толчок к зарождению новых важных трендов в науке (как это случилось во время когнитивной революции в середине прошлого века). Однако дополнительные рефлексии по поводу междисциплинарности оставлю на будущие посты.
#podcast
Вышло продолжение предыдущего выпуска подкаста “Кортекс”. В прошлом выпуске мы с Настей говорили о методических и концептуальных ограничениях нейротехнологий, а в этом — об этике. В ходе обсуждения стало ясно, что скорее всего, нейротехнологии в текущем их виде не бросают нам никаких уникальных этических вызовов.
А если когда-нибудь и начнут бросать, то оценивать их через лекало современного устройства общества кажется несколько бессмысленным. И, конечно, во многом иллюзия этических угроз возникает из-за громких заявлений производителей девайсов и представлений самих пользователей о том, к каким процессам их мозга эти девайсы имеют доступ.
Приятного прослушивания!
Вышло продолжение предыдущего выпуска подкаста “Кортекс”. В прошлом выпуске мы с Настей говорили о методических и концептуальных ограничениях нейротехнологий, а в этом — об этике. В ходе обсуждения стало ясно, что скорее всего, нейротехнологии в текущем их виде не бросают нам никаких уникальных этических вызовов.
А если когда-нибудь и начнут бросать, то оценивать их через лекало современного устройства общества кажется несколько бессмысленным. И, конечно, во многом иллюзия этических угроз возникает из-за громких заявлений производителей девайсов и представлений самих пользователей о том, к каким процессам их мозга эти девайсы имеют доступ.
Приятного прослушивания!
Артефакты и размер эффекта
#resources #statistics
Нашла отличный интерактивный тулбокс от Matthew B. Jané по визуализации статистических артефактов, которые искажают размер эффекта. Сопровождающие теоретические материалы с формулами и кодом можно найти здесь. В этих материалах рассматриваются такие артефакты, как небольшая величина выборки, ошибки измерения, понижающие показатели связи между факторами, а также ограничения доступного диапазона величин. Для каждого случая предлагаются способы коррекции возникших искажений.
Один из простейших примеров работы тулбокса (см. скрин): демонстрация того, как недостаточный объем выборки приводит к заниженным показателям корреляции и завышенным показателям стандартизованной разницы средних.
#resources #statistics
Нашла отличный интерактивный тулбокс от Matthew B. Jané по визуализации статистических артефактов, которые искажают размер эффекта. Сопровождающие теоретические материалы с формулами и кодом можно найти здесь. В этих материалах рассматриваются такие артефакты, как небольшая величина выборки, ошибки измерения, понижающие показатели связи между факторами, а также ограничения доступного диапазона величин. Для каждого случая предлагаются способы коррекции возникших искажений.
Один из простейших примеров работы тулбокса (см. скрин): демонстрация того, как недостаточный объем выборки приводит к заниженным показателям корреляции и завышенным показателям стандартизованной разницы средних.
Секреты "безуспешного успеха"
#psychology
Публикация: Dixon, L. J., Hornsey, M. J., & Hartley, N. (2023). “The Secret” to Success? The Psychology of Belief in Manifestation. Personality and Social Psychology Bulletin, 01461672231181162.
Давно не было постов по психологии. На днях вышла статья с результатами трех исследований феномена, упоминанием которого уже долгие годы изобилуют закоулки различных соцсетей. Это – всевозможные манифестации, аффирмации, позитивные мысли, визуализации и прочие техники, призванные привлечь в вашу жизнь успех и счастье либо за счет вашего собственного личностного роста, либо за счет воздействия внешних факторов (или "космических сил").
Если отринуть иронию и скепсис, возникновение этого феномена не так далеко лежит от "эффекта Пигмалиона": высокие ожидания окружающих в ряде случаев могут приводить к улучшению показателей деятельности человека – например, успеваемости учеников в школе. (На самом деле валидность экспериментов, подтверждающих "эффект Пигмалиона", являлась предметом споров, но на текущий момент можно считать, что он все-таки срабатывает, просто не универсально).
Проводя параллель с такого рода "социологическими" самосбывающимися пророчествами, можно было бы предположить, что манифестации, определяя ожидания человека уже от самого себя, позволяют ему ставить крупные цели, следовать им и достигать успеха. Но так ли это на самом деле?
По результатам исследований выяснилось следующее:
1. Треть участников оказалась "манифестаторами", т. е. такая система взглядов – не редкость.
2. "Манифестаторы" воспринимают себя более успешными на текущий момент времени и в будущем.
3. Парадокс: по объективным показателям успеха (уровню дохода или образования) "манифестаторы" не превосходят "не-манифестаторов".
4. Вера "манифестаторов" в достижение целей не зависела от объективного разрыва между целью и уровнем ее достижения.
5. С психотерапевтической точки зрения бывает полезно осуществлять "рефрейминг" своих провалов, настраивая себя на позитивный лад, но соблюдать баланс тоже важно. Чрезмерный оптимизм, нереалистичность постановки целей, отрицание ошибок не играют "манифестаторам" на руку: они более склонны принимать рискованные решения, чаще оказываются банкротами и т. д.
Как выяснилось, высокие ожидания высоким ожиданиям рознь. Чтобы случайно не уподобиться инфлюенсерам из индрустрии успеха, остановлю себя от глубокомысленных выводов или советов и вместо этого ограничусь мемами.
#psychology
Публикация: Dixon, L. J., Hornsey, M. J., & Hartley, N. (2023). “The Secret” to Success? The Psychology of Belief in Manifestation. Personality and Social Psychology Bulletin, 01461672231181162.
Давно не было постов по психологии. На днях вышла статья с результатами трех исследований феномена, упоминанием которого уже долгие годы изобилуют закоулки различных соцсетей. Это – всевозможные манифестации, аффирмации, позитивные мысли, визуализации и прочие техники, призванные привлечь в вашу жизнь успех и счастье либо за счет вашего собственного личностного роста, либо за счет воздействия внешних факторов (или "космических сил").
Если отринуть иронию и скепсис, возникновение этого феномена не так далеко лежит от "эффекта Пигмалиона": высокие ожидания окружающих в ряде случаев могут приводить к улучшению показателей деятельности человека – например, успеваемости учеников в школе. (На самом деле валидность экспериментов, подтверждающих "эффект Пигмалиона", являлась предметом споров, но на текущий момент можно считать, что он все-таки срабатывает, просто не универсально).
Проводя параллель с такого рода "социологическими" самосбывающимися пророчествами, можно было бы предположить, что манифестации, определяя ожидания человека уже от самого себя, позволяют ему ставить крупные цели, следовать им и достигать успеха. Но так ли это на самом деле?
По результатам исследований выяснилось следующее:
1. Треть участников оказалась "манифестаторами", т. е. такая система взглядов – не редкость.
2. "Манифестаторы" воспринимают себя более успешными на текущий момент времени и в будущем.
3. Парадокс: по объективным показателям успеха (уровню дохода или образования) "манифестаторы" не превосходят "не-манифестаторов".
4. Вера "манифестаторов" в достижение целей не зависела от объективного разрыва между целью и уровнем ее достижения.
5. С психотерапевтической точки зрения бывает полезно осуществлять "рефрейминг" своих провалов, настраивая себя на позитивный лад, но соблюдать баланс тоже важно. Чрезмерный оптимизм, нереалистичность постановки целей, отрицание ошибок не играют "манифестаторам" на руку: они более склонны принимать рискованные решения, чаще оказываются банкротами и т. д.
Как выяснилось, высокие ожидания высоким ожиданиям рознь. Чтобы случайно не уподобиться инфлюенсерам из индрустрии успеха, остановлю себя от глубокомысленных выводов или советов и вместо этого ограничусь мемами.
Такие разные коннектомы: новый обзор
#neuroscience
Публикация: Seguin, C., Sporns, O., & Zalesky, A. (2023). Brain network communication: concepts, models and applications. Nature Reviews Neuroscience, 1-18.
На днях был опубликован обзор, в котором систематизированы важные концепты коннектомики и сетевой нейронауки.
По своим свойствам коннектом – это small-world network, т. е. в этой сети пары далеких элементов разделены небольшим количеством промежуточных связей. Долгое время предполагалось, что нейронный сигнал распространяется по кратчайшим путям этой сети (shortest path assumption). По такой логике области мозга, анатомически связанные трактами белой материи, должны быть сильно связаны и функционально благодаря прямой передаче сигнала.
Но эксперименты показали, что это не совсем так. С одной стороны, структурная и функциональная связность действительно в среднем коррелируют. А с другой – области мозга, которые не связаны анатомически напрямую, тоже могут активно взаимодействовать. Более того, соблюдение ранее упомянутого критерия кратчайшего пути потребовало бы знания всей топологии сети. Но в случае с мозгом, сети которого децентрализованы, это не очень реалистичный сценарий: вряд ли индивидуальные нейроны или их группы обладают полной информацией о сети, в которой они находятся.
Раз принцип кратчайшего пути не срабатывает, то между структурным коннектомом (информацией об анатомических связях областей мозга) и функциональной связностью (информацией о том, насколько активность одной области мозга синхронизуется с другой) не хватает дополнительного звена. Этим звеном стали модели сетевой коммуникации – общие принципы распространения сигнала внутри структурного коннектома, которые и порождают те показатели функциональной связности, которые мы наблюдаем.
Семейства этих моделей, подробно описанные в обзоре, следующие:
1. Протоколы маршрутизации (routing protocols): нейрональные сигналы избирательно продвигаются по единственным надежным путям с низкой задержкой по времени и небольшими метаболическими затратами. Например, начиная с одного элемента сети, сигнал может перемещаться к соседнему, который наиболее близок к целевому элементу.
2. Процессы распространения: сигналы передаются диффузно, например, по принципу random walks или распространяясь сразу на несколько других элементов сети. Это увеличивает затрачиваемые ресурсы времени и энергии, но при этом позволяет ограничиваться информацией лишь о локальных связях. Кстати, в исследованиях по предсказанию функциональной связности на основе фМРТ с использованием структурного коннектома диффузные модели сработали лучше моделей кратчайшего пути.
3. Параметрические модели, реализующие гибридные стратегии предыдущих двух семейств.
Почему дальнейшая валидация этих групп моделей важна? Во-первых, их можно использовать для предсказания функциональных изменений вследствие нарушения структурного коннектома из-за травм, атрофии или хирургического вмешательства. Во-вторых, информацию о структурном коннектоме и о путях распространения сигнала в нем можно использовать для детального моделирования эффектов нейростимуляции, которая при фокальном воздействии на одну область может приводить к полисинаптическому ответу в анатомически не связанных областях.
Это не последний пост про структурные и функциональные связи в мозге и связь между ними (no pun intended): именно этой темой, пусть и несколько с другого ракурса, я занимаюсь в рамках своей диссертации. Обычно я не высказываюсь о ней научно-популярно из-за того, что, наверное, как и для многих аспирантов, диссертация становится чем-то многострадально-сакральным, о чем имеет смысл рассказывать либо все в мельчайших подробностях и перегружать читателя/слушателя, либо ничего. Но постараюсь найти баланс.
#neuroscience
Публикация: Seguin, C., Sporns, O., & Zalesky, A. (2023). Brain network communication: concepts, models and applications. Nature Reviews Neuroscience, 1-18.
На днях был опубликован обзор, в котором систематизированы важные концепты коннектомики и сетевой нейронауки.
По своим свойствам коннектом – это small-world network, т. е. в этой сети пары далеких элементов разделены небольшим количеством промежуточных связей. Долгое время предполагалось, что нейронный сигнал распространяется по кратчайшим путям этой сети (shortest path assumption). По такой логике области мозга, анатомически связанные трактами белой материи, должны быть сильно связаны и функционально благодаря прямой передаче сигнала.
Но эксперименты показали, что это не совсем так. С одной стороны, структурная и функциональная связность действительно в среднем коррелируют. А с другой – области мозга, которые не связаны анатомически напрямую, тоже могут активно взаимодействовать. Более того, соблюдение ранее упомянутого критерия кратчайшего пути потребовало бы знания всей топологии сети. Но в случае с мозгом, сети которого децентрализованы, это не очень реалистичный сценарий: вряд ли индивидуальные нейроны или их группы обладают полной информацией о сети, в которой они находятся.
Раз принцип кратчайшего пути не срабатывает, то между структурным коннектомом (информацией об анатомических связях областей мозга) и функциональной связностью (информацией о том, насколько активность одной области мозга синхронизуется с другой) не хватает дополнительного звена. Этим звеном стали модели сетевой коммуникации – общие принципы распространения сигнала внутри структурного коннектома, которые и порождают те показатели функциональной связности, которые мы наблюдаем.
Семейства этих моделей, подробно описанные в обзоре, следующие:
1. Протоколы маршрутизации (routing protocols): нейрональные сигналы избирательно продвигаются по единственным надежным путям с низкой задержкой по времени и небольшими метаболическими затратами. Например, начиная с одного элемента сети, сигнал может перемещаться к соседнему, который наиболее близок к целевому элементу.
2. Процессы распространения: сигналы передаются диффузно, например, по принципу random walks или распространяясь сразу на несколько других элементов сети. Это увеличивает затрачиваемые ресурсы времени и энергии, но при этом позволяет ограничиваться информацией лишь о локальных связях. Кстати, в исследованиях по предсказанию функциональной связности на основе фМРТ с использованием структурного коннектома диффузные модели сработали лучше моделей кратчайшего пути.
3. Параметрические модели, реализующие гибридные стратегии предыдущих двух семейств.
Почему дальнейшая валидация этих групп моделей важна? Во-первых, их можно использовать для предсказания функциональных изменений вследствие нарушения структурного коннектома из-за травм, атрофии или хирургического вмешательства. Во-вторых, информацию о структурном коннектоме и о путях распространения сигнала в нем можно использовать для детального моделирования эффектов нейростимуляции, которая при фокальном воздействии на одну область может приводить к полисинаптическому ответу в анатомически не связанных областях.
Это не последний пост про структурные и функциональные связи в мозге и связь между ними (no pun intended): именно этой темой, пусть и несколько с другого ракурса, я занимаюсь в рамках своей диссертации. Обычно я не высказываюсь о ней научно-популярно из-за того, что, наверное, как и для многих аспирантов, диссертация становится чем-то многострадально-сакральным, о чем имеет смысл рассказывать либо все в мельчайших подробностях и перегружать читателя/слушателя, либо ничего. Но постараюсь найти баланс.
Голодные судьи против статистики
#psychology #resources #statistics
На очень полезном ресурсе по статистике Д. Лакенса приведен пример того, как можно пойти на поводу у слишком красивых результатов.
Нередко в качестве иллюстрации того, как сильно наши решения зависят от косвенных факторов, упоминается исследование, в котором обнаружилось, что судьи выносят более жесткие приговоры до обеда, чем после обеда. Напрашивается простая интерпретация: справедливости не существует, когда ты голоден (не обессудьте – клише). Однако не все так просто.
Во-первых, обратимся к графику из статьи. Он показывает пропорцию решений в пользу подсудимых в течение всего дня (общее количество анализируемых дней составило 50). Мы видим, что в самом начале дня судьи отпускали на волю 65 % подсудимых, а затем этот показатель резко падал до нуля. После перерыва показатель cнова возвращался к 65 % и так же быстро падал. После второго перерыва ситуация повторялась. Такая повторяемость и такие резкие спады выглядят очень подозрительно.
Во-вторых, выяснилось, что размер эффекта у наблюдаемых тенденций чрезмерно высокий. Напомню, что хоть мы все подспудно и гонимся на значимыми p-values, они констатируют лишь наличие эффекта, а его размер нужно количественно оценивать дополнительно. Например, если разница в среднем росте между детьми и подростками составит 60 см, то это станет размером эффекта. Поделив эту разность на стандартное отклонение, мы получим стандартизованную оценку (Cohen's d, d Коэна). Если d=1, то это значит, что две группы отличаются на одно стандартное отклонение. d=0.2 считают малым размером эффекта, d=0.5 – средним, d>0.8 – большим.
В исследовании про судей размер эффекта составил d=1.96! В психологических экспериментах такие размеры эффекта едва ли достижимы. В частности, Лакенс приводит пример исследования, в котором d=2 соответствует различию в росте 21-летнего взрослого мужчины и женщины в Нидерландах. Оно составляет 13 сантиметров, что весьма ощутимо. Если же переключаться на размеры эффекта в психологии, то близкие значения d Коэна могли достигаться лишь в тех случаях, когда независимая и зависимая переменные составляли чуть ли не тавтологию (например, взаимодействие харизмы и лидерства, социальной девиации и исключения из общества и т. д.)
Таким образом, обнаруженный эффект явно не может объясняться такими опосредованными механизмами, как голод и усталость. Было бы это так, мы бы наблюдали этот огромный эффект напрямую в виде хаоса и ментальных провалов в предобеденное время. Впрочем, если обращаться к нашему внутрилабораторному опыту, иногда это похоже на правду, но точно не дотягивает до d=1.96.
Наиболее вероятным объяснением полученных результатов может являться то, что рассмотрение дел в суде в каждой из сессий производилось не в случайном порядке: например, "простые" дела, в результате которых подсудимый с большой вероятностью заслуживал освобождение, могли рассматриваться первыми.
Это наглядный пример того, что красивая статистика без правдоподобной интерпретации, соответствующей ей, приводит к заблуждениям. И такие примеры могут послужить поводом к включению в эксперименты 'maximum positive controls' – экспериментальных условий, которые задают верхнюю границу возможного размера эффекта в заданной парадигме.
#psychology #resources #statistics
На очень полезном ресурсе по статистике Д. Лакенса приведен пример того, как можно пойти на поводу у слишком красивых результатов.
Нередко в качестве иллюстрации того, как сильно наши решения зависят от косвенных факторов, упоминается исследование, в котором обнаружилось, что судьи выносят более жесткие приговоры до обеда, чем после обеда. Напрашивается простая интерпретация: справедливости не существует, когда ты голоден (не обессудьте – клише). Однако не все так просто.
Во-первых, обратимся к графику из статьи. Он показывает пропорцию решений в пользу подсудимых в течение всего дня (общее количество анализируемых дней составило 50). Мы видим, что в самом начале дня судьи отпускали на волю 65 % подсудимых, а затем этот показатель резко падал до нуля. После перерыва показатель cнова возвращался к 65 % и так же быстро падал. После второго перерыва ситуация повторялась. Такая повторяемость и такие резкие спады выглядят очень подозрительно.
Во-вторых, выяснилось, что размер эффекта у наблюдаемых тенденций чрезмерно высокий. Напомню, что хоть мы все подспудно и гонимся на значимыми p-values, они констатируют лишь наличие эффекта, а его размер нужно количественно оценивать дополнительно. Например, если разница в среднем росте между детьми и подростками составит 60 см, то это станет размером эффекта. Поделив эту разность на стандартное отклонение, мы получим стандартизованную оценку (Cohen's d, d Коэна). Если d=1, то это значит, что две группы отличаются на одно стандартное отклонение. d=0.2 считают малым размером эффекта, d=0.5 – средним, d>0.8 – большим.
В исследовании про судей размер эффекта составил d=1.96! В психологических экспериментах такие размеры эффекта едва ли достижимы. В частности, Лакенс приводит пример исследования, в котором d=2 соответствует различию в росте 21-летнего взрослого мужчины и женщины в Нидерландах. Оно составляет 13 сантиметров, что весьма ощутимо. Если же переключаться на размеры эффекта в психологии, то близкие значения d Коэна могли достигаться лишь в тех случаях, когда независимая и зависимая переменные составляли чуть ли не тавтологию (например, взаимодействие харизмы и лидерства, социальной девиации и исключения из общества и т. д.)
Таким образом, обнаруженный эффект явно не может объясняться такими опосредованными механизмами, как голод и усталость. Было бы это так, мы бы наблюдали этот огромный эффект напрямую в виде хаоса и ментальных провалов в предобеденное время. Впрочем, если обращаться к нашему внутрилабораторному опыту, иногда это похоже на правду, но точно не дотягивает до d=1.96.
Наиболее вероятным объяснением полученных результатов может являться то, что рассмотрение дел в суде в каждой из сессий производилось не в случайном порядке: например, "простые" дела, в результате которых подсудимый с большой вероятностью заслуживал освобождение, могли рассматриваться первыми.
Это наглядный пример того, что красивая статистика без правдоподобной интерпретации, соответствующей ей, приводит к заблуждениям. И такие примеры могут послужить поводом к включению в эксперименты 'maximum positive controls' – экспериментальных условий, которые задают верхнюю границу возможного размера эффекта в заданной парадигме.
Атомные привычки
#productivity #readinglist
Мои отношения с селф-хелп литературой неоднозначные. Ни одна книга этого жанра не перевернула мою жизнь – возможно, тому виной мои собственные упрямство, научный снобизм и большее доверие граблям, на которые мне иногда везет наступать. Тем не менее, по давней настоятельной рекомендации, прочитала книгу "Атомные привычки" Джеймса Клира и осталась довольна тем, как в доступной и ненавязчивой форме изложена система закрепления полезных привычек. Некоторые наблюдения автора тесно переплетаются с моим личным опытом, поэтому решила поделиться ими здесь.
- Мотивация и самоконтроль переоценены.
Энергетика "Just Do It" очень хороша. С таким настроением я раньше хваталась за новые проекты, что давало ощущение чистого листа и индульгенцию на тупики в других проектах. Но, как бы сильно я ни любила науку, вдохновение рано или поздно сходит на нет, положительное подкрепление в виде значимых результатов появляется не сразу, и на выходе остается фрустрация или скука. На первых порах это ошибочно может восприниматься как признак того, что ты занимаешься чем-то не тем. Со временем пришло понимание, что перепады внутренней мотивации естественны и полагаться исключительно на нее в формировании полезных привычек было бы наивно. Можно (и нужно) продолжать функционировать даже тогда, когда интерес падает.
- Не надо противостоять искушению, когда его можно заранее избежать.
Внутренней мотивации и самоконтроля недостаточно. Сегодня на волне энтузиазма мне может казаться, что последующие несколько недель я каждый день буду править свою статью по диссертации, не забывать про side projects, а еще перед работой бегать по 4 км. Но, поскольку мой мозг довольно импульсивный, на следующий день его может выбить из колеи какая-нибудь мелочь, и вместо продуктивности и здорового образа жизни может случиться падение в копинг-стратегии в виде прокрастинации, выполнения не приоритетных задач, приема вредной пищи и т. д. Но риски этого можно минимизировать, если я еще на берегу позабочусь о внешней среде в соответствии с законами, которые приведены в описываемой книге. Эти законы не пытаются обуздать хватающийся за сиюминутные стимулы мозг, а делают его нашим союзником.
- Законы формирования привычек, минимизирующие усилия для их выполнения:
1. Придайте очевидности. Привязывайте привычки к заметным внешним стимулам: ко времени и месту, к другим уже устоявшимся привычкам или к конкретным объектам (например, книге, предварительно размещенной у кровати, если вы хотите привыкнуть читать каждый вечер).
2. Добавьте привлекательности. Сочетайте необходимые действия с желаемыми (например, пробежку с прослушиванием подкаста), окружите себя людьми, чье поведение вам близко.
3. Упростите. Лучшее – враг хорошего. Ежедневные правки статьи по одной странице в день с большей вероятностью приведут к результату, чем выжидание удачного момента, когда можно исправить ее разом; 10 минут пробежки гораздо лучше, чем полное ее отсутствие, и т. д. На первых порах действие как таковое важнее филигранности.
4. Привнесите удовольствие. Многие привычки сопряжены с далекими целями. Мозг ценит настоящее сильнее, чем будущее. После одной пробежки мой мозг не заметит, что в глобальном смысле в моем организме что-то поменялось. После написания части статьи защита кандидатской не станет казаться ближе. Поэтому имеет смысл сразу вознаграждать себя за выполненные действия.
Для неэффективных привычек все законы действуют наоборот (подробнее см. таблицу).
- Идентичность важнее.
Цели достигаются, меняются или теряют актуальность. Важнее сфокусироваться на том, кем вы хотите быть, чем на конкретных результатах. Несколько лет назад я мечтала публиковать статьи в журналах Q1 – эта мечта сбылась, и не раз, но культивация в себе идентичности ученого гораздо шире. И не думаю, что когда-нибудь этот процесс завершится.
Совсем лаконичные выводы: система привычек важнее и стабильнее целей, не боритесь с собой в моменте, позаботьтесь о себе будущем 💚.
#productivity #readinglist
Мои отношения с селф-хелп литературой неоднозначные. Ни одна книга этого жанра не перевернула мою жизнь – возможно, тому виной мои собственные упрямство, научный снобизм и большее доверие граблям, на которые мне иногда везет наступать. Тем не менее, по давней настоятельной рекомендации, прочитала книгу "Атомные привычки" Джеймса Клира и осталась довольна тем, как в доступной и ненавязчивой форме изложена система закрепления полезных привычек. Некоторые наблюдения автора тесно переплетаются с моим личным опытом, поэтому решила поделиться ими здесь.
- Мотивация и самоконтроль переоценены.
Энергетика "Just Do It" очень хороша. С таким настроением я раньше хваталась за новые проекты, что давало ощущение чистого листа и индульгенцию на тупики в других проектах. Но, как бы сильно я ни любила науку, вдохновение рано или поздно сходит на нет, положительное подкрепление в виде значимых результатов появляется не сразу, и на выходе остается фрустрация или скука. На первых порах это ошибочно может восприниматься как признак того, что ты занимаешься чем-то не тем. Со временем пришло понимание, что перепады внутренней мотивации естественны и полагаться исключительно на нее в формировании полезных привычек было бы наивно. Можно (и нужно) продолжать функционировать даже тогда, когда интерес падает.
- Не надо противостоять искушению, когда его можно заранее избежать.
Внутренней мотивации и самоконтроля недостаточно. Сегодня на волне энтузиазма мне может казаться, что последующие несколько недель я каждый день буду править свою статью по диссертации, не забывать про side projects, а еще перед работой бегать по 4 км. Но, поскольку мой мозг довольно импульсивный, на следующий день его может выбить из колеи какая-нибудь мелочь, и вместо продуктивности и здорового образа жизни может случиться падение в копинг-стратегии в виде прокрастинации, выполнения не приоритетных задач, приема вредной пищи и т. д. Но риски этого можно минимизировать, если я еще на берегу позабочусь о внешней среде в соответствии с законами, которые приведены в описываемой книге. Эти законы не пытаются обуздать хватающийся за сиюминутные стимулы мозг, а делают его нашим союзником.
- Законы формирования привычек, минимизирующие усилия для их выполнения:
1. Придайте очевидности. Привязывайте привычки к заметным внешним стимулам: ко времени и месту, к другим уже устоявшимся привычкам или к конкретным объектам (например, книге, предварительно размещенной у кровати, если вы хотите привыкнуть читать каждый вечер).
2. Добавьте привлекательности. Сочетайте необходимые действия с желаемыми (например, пробежку с прослушиванием подкаста), окружите себя людьми, чье поведение вам близко.
3. Упростите. Лучшее – враг хорошего. Ежедневные правки статьи по одной странице в день с большей вероятностью приведут к результату, чем выжидание удачного момента, когда можно исправить ее разом; 10 минут пробежки гораздо лучше, чем полное ее отсутствие, и т. д. На первых порах действие как таковое важнее филигранности.
4. Привнесите удовольствие. Многие привычки сопряжены с далекими целями. Мозг ценит настоящее сильнее, чем будущее. После одной пробежки мой мозг не заметит, что в глобальном смысле в моем организме что-то поменялось. После написания части статьи защита кандидатской не станет казаться ближе. Поэтому имеет смысл сразу вознаграждать себя за выполненные действия.
Для неэффективных привычек все законы действуют наоборот (подробнее см. таблицу).
- Идентичность важнее.
Цели достигаются, меняются или теряют актуальность. Важнее сфокусироваться на том, кем вы хотите быть, чем на конкретных результатах. Несколько лет назад я мечтала публиковать статьи в журналах Q1 – эта мечта сбылась, и не раз, но культивация в себе идентичности ученого гораздо шире. И не думаю, что когда-нибудь этот процесс завершится.
Совсем лаконичные выводы: система привычек важнее и стабильнее целей, не боритесь с собой в моменте, позаботьтесь о себе будущем 💚.
Атласы для нейроисследователей и врачей
#resources #tools
Некоторое время назад я публиковала пост со ссылками на ресурсы с автоматическим объединением результатов нейроисследований по соотнесению психологических параметров и данных фМРТ, а также вызванных потенциалов, выделенных на основе ЭЭГ.
Дополнением к этим коллекциям могут стать онлайн-атласы, которые можно использовать для тренировки "насмотренности":
1. EEG Atlas. В этом атласе можно выбрать возрастную группу, состояние сознания (бодрствование, сон, кома), степень ЭЭГ-нарушений, указать наличие конкретных паттернов (межсудорожные спайки, моторные ритмы и т. д. ) и получить пример ЭЭГ-сегмента с выделенными паттернами, соответствующими запросу. В интерактивном режиме можно менять монтаж ЭЭГ. В ряде примеров дополнительно доступны аннотация из истории болезни пациента или описание свойств самих наблюдаемых паттернов.
2. EEGpedia: ЭЭГ-википедия с описаниями и примерами клинических, стандартных физиологических паттернов и артефактов. Дополнительно есть раздел с квизом, в котором по одному примеру ЭЭГ нужно определить диагноз (правда, судя по всему, этот раздел не особо обновляется).
3. Central XNAT: база, в которой по ключевым словам и параметрам можно найти примеры МРТ, ПЭТ или КТ и изучить их во встроенном просмотрщике.
4. Radiology Masterclass: галерея КТ мозга с интерактивными аннотациями для различных диагнозов. Там же есть квиз для самопроверки.
5. NeuroVault: открытый репозиторий фМРТ- и ПЭТ-карт.
6. ACMEGS: образовательные примеры по МЭГ нескольких пациентов.
#resources #tools
Некоторое время назад я публиковала пост со ссылками на ресурсы с автоматическим объединением результатов нейроисследований по соотнесению психологических параметров и данных фМРТ, а также вызванных потенциалов, выделенных на основе ЭЭГ.
Дополнением к этим коллекциям могут стать онлайн-атласы, которые можно использовать для тренировки "насмотренности":
1. EEG Atlas. В этом атласе можно выбрать возрастную группу, состояние сознания (бодрствование, сон, кома), степень ЭЭГ-нарушений, указать наличие конкретных паттернов (межсудорожные спайки, моторные ритмы и т. д. ) и получить пример ЭЭГ-сегмента с выделенными паттернами, соответствующими запросу. В интерактивном режиме можно менять монтаж ЭЭГ. В ряде примеров дополнительно доступны аннотация из истории болезни пациента или описание свойств самих наблюдаемых паттернов.
2. EEGpedia: ЭЭГ-википедия с описаниями и примерами клинических, стандартных физиологических паттернов и артефактов. Дополнительно есть раздел с квизом, в котором по одному примеру ЭЭГ нужно определить диагноз (правда, судя по всему, этот раздел не особо обновляется).
3. Central XNAT: база, в которой по ключевым словам и параметрам можно найти примеры МРТ, ПЭТ или КТ и изучить их во встроенном просмотрщике.
4. Radiology Masterclass: галерея КТ мозга с интерактивными аннотациями для различных диагнозов. Там же есть квиз для самопроверки.
5. NeuroVault: открытый репозиторий фМРТ- и ПЭТ-карт.
6. ACMEGS: образовательные примеры по МЭГ нескольких пациентов.
#popsci #podcast
Еще в далеком июне мы с моей подругой Настей записали очередной выпуск подкаста “Кортекс”. Это получилась искренняя исповедь о том, каким мы видим свое существование в науке, какой опыт в ней мы любим, какой — все еще кажется непривычным, что мы ожидаем от своего профессионального будущего.
Порой, работая в этой сфере даже в большом коллективе, понимаешь, что и ты, и твои коллеги, особенно если вы еще аспиранты или молодые ученые, — все вы находитесь на изолированных островках, омываемых вашими собственными научными чаяниями, ожиданиями, проблемами, страхами и заветными мечтами. И возможность обсудить их с кем-то еще позволяет понять, что волны, омывающие остров, не такие опасные, а еще можно построить судно и начать перемещаться.
Интересно, что хоть мы с Настей обе занимаемся не столь отдаленными задачами, наше восприятие некоторых аспектов работы в науке рознилось: например, Настя считает важным качеством ученого азарт, а я склоняюсь к тому, что это — терпение. После записи выпуска нас обеих захватила научная стихия, в результате чего финальный монтаж созрел только сейчас. Переслушивая наши рассуждения, я понимаю, что даже спустя всего несколько месяцев лично я на некоторые вопросы уже ответила бы иначе. Поэтому уверена, что с учетом этой нестатичности мы еще не раз будем возвращаться к такому формату “нейросплетен” и рефлексий в наших выпусках.
Приятного прослушивания!
Еще в далеком июне мы с моей подругой Настей записали очередной выпуск подкаста “Кортекс”. Это получилась искренняя исповедь о том, каким мы видим свое существование в науке, какой опыт в ней мы любим, какой — все еще кажется непривычным, что мы ожидаем от своего профессионального будущего.
Порой, работая в этой сфере даже в большом коллективе, понимаешь, что и ты, и твои коллеги, особенно если вы еще аспиранты или молодые ученые, — все вы находитесь на изолированных островках, омываемых вашими собственными научными чаяниями, ожиданиями, проблемами, страхами и заветными мечтами. И возможность обсудить их с кем-то еще позволяет понять, что волны, омывающие остров, не такие опасные, а еще можно построить судно и начать перемещаться.
Интересно, что хоть мы с Настей обе занимаемся не столь отдаленными задачами, наше восприятие некоторых аспектов работы в науке рознилось: например, Настя считает важным качеством ученого азарт, а я склоняюсь к тому, что это — терпение. После записи выпуска нас обеих захватила научная стихия, в результате чего финальный монтаж созрел только сейчас. Переслушивая наши рассуждения, я понимаю, что даже спустя всего несколько месяцев лично я на некоторые вопросы уже ответила бы иначе. Поэтому уверена, что с учетом этой нестатичности мы еще не раз будем возвращаться к такому формату “нейросплетен” и рефлексий в наших выпусках.
Приятного прослушивания!
“Молодость” (не картина Паоло Соррентино)
#popsci #mental_health #аспирантское #metascience
Недавно приняла участие в сессии по медицинским нейротехнологиям на III Конгрессе молодых ученых. Ирония состоит в том, что это едва ли не единственная сессия, на которой выступали молодые ученые, формально соответствующие этому определению. Хотя нейронаука сама по себе молодая дисциплина и любого ее представителя можно было бы так охарактеризовать 🙂
Эта сессия показала, что не существует портрета типичного молодого нейроучёного — каждого из присутствующих в нейронауку привёл свой путь (спойлер: даже если вы занимаетесь космическими летательными аппаратами, есть риск, что вас начнут терзать загадки человеческого мозга и измерения его активности). И каждый по-своему может реализовать себя в ней: даже среди семи участников сессии разброс решаемых проблем и используемых методов оказался очень большим, начиная от омиксных технологий и заканчивая ЭЭГ/МЭГ.
Сессия оказалась полезной также и тем, что мы поговорили не только о содержательной части наших исследований, профессиональном пути, некоторых рыночных проблемах, но и о трудностях, с которыми сталкивается молодой ученый, в частности, в ментальной сфере. Напомню, что в моем канале есть несколько постов на эту тему:
- о психическом здоровье аспирантов;
- о факторах, влияющих на их успех.
Исходно в сессии планировался дополнительный раздел с советами для тех, кто присматривается к реализации себя в нейротехнологиях и науке, но возможные рекомендации очевидным образом извлекаются как раз из этой последней части обсуждения. Чем быстрее расстаться с иллюзиями о том, что наука не дает мгновенного результата, что она — не панацея от тотального незнания, что понятие “громких открытий” теряет свою актуальность, тем, возможно, ваша “молодость” в науке пройдет беспечнее и содержательнее.
И еще от себя добавлю три совета, которые не озвучила на сессии (хотя жанр советов как таковой мне не близок и то, что сработало для меня, может не сработать для других):
1. Как можно скорее начните пробовать себя в преподавании.
2. Не используйте свой перфекционизм как повод для бездействия и бесконечной подготовки, потому что на самом деле вам никогда не будет казаться, что вы знаете и умеете всё. И уж тем более не существует идеального набора пререквизитов, которые необходимо освоить для того, чтобы разрешить себе реализовываться в нейронауке — она слишком многолика, выбирайте, что вам ближе. Область вашего незнания может определить спектр ваших ближайших задач.
3. Если участвуете в обсуждениях или семинарах, формируйте в себе навык задавать вопросы, даже если вам кажется, что у вас вопросов нет. Когда вы формулируете вопросы, вы помогаете себе и другим синтезировать новое знание.
А полное видео с сессии можно посмотреть по этой ссылке.
#popsci #mental_health #аспирантское #metascience
Недавно приняла участие в сессии по медицинским нейротехнологиям на III Конгрессе молодых ученых. Ирония состоит в том, что это едва ли не единственная сессия, на которой выступали молодые ученые, формально соответствующие этому определению. Хотя нейронаука сама по себе молодая дисциплина и любого ее представителя можно было бы так охарактеризовать 🙂
Эта сессия показала, что не существует портрета типичного молодого нейроучёного — каждого из присутствующих в нейронауку привёл свой путь (спойлер: даже если вы занимаетесь космическими летательными аппаратами, есть риск, что вас начнут терзать загадки человеческого мозга и измерения его активности). И каждый по-своему может реализовать себя в ней: даже среди семи участников сессии разброс решаемых проблем и используемых методов оказался очень большим, начиная от омиксных технологий и заканчивая ЭЭГ/МЭГ.
Сессия оказалась полезной также и тем, что мы поговорили не только о содержательной части наших исследований, профессиональном пути, некоторых рыночных проблемах, но и о трудностях, с которыми сталкивается молодой ученый, в частности, в ментальной сфере. Напомню, что в моем канале есть несколько постов на эту тему:
- о психическом здоровье аспирантов;
- о факторах, влияющих на их успех.
Исходно в сессии планировался дополнительный раздел с советами для тех, кто присматривается к реализации себя в нейротехнологиях и науке, но возможные рекомендации очевидным образом извлекаются как раз из этой последней части обсуждения. Чем быстрее расстаться с иллюзиями о том, что наука не дает мгновенного результата, что она — не панацея от тотального незнания, что понятие “громких открытий” теряет свою актуальность, тем, возможно, ваша “молодость” в науке пройдет беспечнее и содержательнее.
И еще от себя добавлю три совета, которые не озвучила на сессии (хотя жанр советов как таковой мне не близок и то, что сработало для меня, может не сработать для других):
1. Как можно скорее начните пробовать себя в преподавании.
2. Не используйте свой перфекционизм как повод для бездействия и бесконечной подготовки, потому что на самом деле вам никогда не будет казаться, что вы знаете и умеете всё. И уж тем более не существует идеального набора пререквизитов, которые необходимо освоить для того, чтобы разрешить себе реализовываться в нейронауке — она слишком многолика, выбирайте, что вам ближе. Область вашего незнания может определить спектр ваших ближайших задач.
3. Если участвуете в обсуждениях или семинарах, формируйте в себе навык задавать вопросы, даже если вам кажется, что у вас вопросов нет. Когда вы формулируете вопросы, вы помогаете себе и другим синтезировать новое знание.
А полное видео с сессии можно посмотреть по этой ссылке.
#popsci #podcast
Посплетничав и поизливав душу в предыдущем выпуске подкаста “Кортекс”, на этот раз я и моя коллега Настя углубились в более биологически насыщенную тему и в новом выпуске обсудили исследования органоидов в нейронауке. Тема показалась необъятной, поэтому мы затронули наиболее прозрачные аспекты.
Таймкоды:
00:46 - Что такое органоиды и как их создают
08:23 - Как изучать развитие нервной системы с помощью органоидов
19:30 - Как изучать аутизм с помощью органоидов?
26:40 - Вирус Зика, болезнь Паркинсона, болезнь Альцгеймера
31:50 - Преимущества исследований органоидов
35:30 - Есть ли у органоидов сознание?
36:00 - Персонифицированная медицина и органоиды
41:00 - Восстановление зрительной коры с помощью органоидов
45:00 - Органоиды играют в пинг-понг
51:00 - Глубокомысленные выводы
Приятного прослушивания!
Посплетничав и поизливав душу в предыдущем выпуске подкаста “Кортекс”, на этот раз я и моя коллега Настя углубились в более биологически насыщенную тему и в новом выпуске обсудили исследования органоидов в нейронауке. Тема показалась необъятной, поэтому мы затронули наиболее прозрачные аспекты.
Таймкоды:
00:46 - Что такое органоиды и как их создают
08:23 - Как изучать развитие нервной системы с помощью органоидов
19:30 - Как изучать аутизм с помощью органоидов?
26:40 - Вирус Зика, болезнь Паркинсона, болезнь Альцгеймера
31:50 - Преимущества исследований органоидов
35:30 - Есть ли у органоидов сознание?
36:00 - Персонифицированная медицина и органоиды
41:00 - Восстановление зрительной коры с помощью органоидов
45:00 - Органоиды играют в пинг-понг
51:00 - Глубокомысленные выводы
Приятного прослушивания!
Мозг — это…
#neuro #poetry_of_science
Препринт: Bolt, T. S., & Uddin, L. (2023). " The Brain is...": A Survey of The Brain's Many Definitions. bioRxiv, 2023-10.
Авторы свежего препринта проанализировали несколько миллионов статей и извлекли из них несколько тысяч фраз с определением того, что есть мозг. С помощью NLP удалось выделить 24 семантические группы этих определений (см. график). Наиболее биохимические и молекулярные определения (напр., “Мозг — это богатый липидами орган”) соответствуют левому верхнему углу графика, наиболее абстрактные и метафоричные (напр., ”Мозг — это сложная динамическая система” ) — правому нижнему. Если “молекулярные” определения хоть как-то целесообразны для обсуждения конкретных аспектов функционирования мозга, то общие абстракции отягощают своей очевидностью (если не подразумевают конкретную терминологию из области теории информации или нелинейных систем).
Интересно было бы провести схожую кластеризацию семантических групп для определений различных когнитивных доменов — памяти, внимания, сознания и т. д. — и оценить пересечения между ними. Подозреваю, что их будет немало.
Если совершить небольшой экскурс в прошлое, прельщает своей простотой цитата, приписываемая древнеримскому врачу Галену: “Мозг — начало всех нервов, сердце — начало всех артерий”. С учетом того, что до Галена и его первых описаний нервной системы мозг нередко считался всего лишь регулятором исходящего от сердца тепла (в прямом смысле, а не в современном романтизированном), это определение по-своему революционно для той эпохи.
Впрочем, Гален тоже грешил любовью к абстракциям, утверждая, что “мозг — самое сложное, что есть в теле человека”. Правда, потом он дополнял эту мысль спасительной конкретикой: “Но мозг был бы несовершенен, если бы у человека отсутствовала хоть одна часть тела — например, стопа. Как и стопа была бы несовершенна без мозга.”
А в целом, если вспомнить некоторые искажения и баги, к которым так склонен наш мозг, и если вторить более позднему высказыванию Курта Воннегута, возможно, мозг — не “венец эволюции, а очень плохая схема для выживания”.
Оставляйте в комментариях определения мозга, которые кажутся интересными вам (non-serious replies приветствуются).
#neuro #poetry_of_science
Препринт: Bolt, T. S., & Uddin, L. (2023). " The Brain is...": A Survey of The Brain's Many Definitions. bioRxiv, 2023-10.
Авторы свежего препринта проанализировали несколько миллионов статей и извлекли из них несколько тысяч фраз с определением того, что есть мозг. С помощью NLP удалось выделить 24 семантические группы этих определений (см. график). Наиболее биохимические и молекулярные определения (напр., “Мозг — это богатый липидами орган”) соответствуют левому верхнему углу графика, наиболее абстрактные и метафоричные (напр., ”Мозг — это сложная динамическая система” ) — правому нижнему. Если “молекулярные” определения хоть как-то целесообразны для обсуждения конкретных аспектов функционирования мозга, то общие абстракции отягощают своей очевидностью (если не подразумевают конкретную терминологию из области теории информации или нелинейных систем).
Интересно было бы провести схожую кластеризацию семантических групп для определений различных когнитивных доменов — памяти, внимания, сознания и т. д. — и оценить пересечения между ними. Подозреваю, что их будет немало.
Если совершить небольшой экскурс в прошлое, прельщает своей простотой цитата, приписываемая древнеримскому врачу Галену: “Мозг — начало всех нервов, сердце — начало всех артерий”. С учетом того, что до Галена и его первых описаний нервной системы мозг нередко считался всего лишь регулятором исходящего от сердца тепла (в прямом смысле, а не в современном романтизированном), это определение по-своему революционно для той эпохи.
Впрочем, Гален тоже грешил любовью к абстракциям, утверждая, что “мозг — самое сложное, что есть в теле человека”. Правда, потом он дополнял эту мысль спасительной конкретикой: “Но мозг был бы несовершенен, если бы у человека отсутствовала хоть одна часть тела — например, стопа. Как и стопа была бы несовершенна без мозга.”
А в целом, если вспомнить некоторые искажения и баги, к которым так склонен наш мозг, и если вторить более позднему высказыванию Курта Воннегута, возможно, мозг — не “венец эволюции, а очень плохая схема для выживания”.
Оставляйте в комментариях определения мозга, которые кажутся интересными вам (non-serious replies приветствуются).
Human Neocortical Neurosolver — от нейрона к сенсорам (почти)
#neuroimaging #programming #resources
Давно не пополняла коллекцию полезных тулбоксов. Несколько дней назад вышла новая версия библиотеки HNN (Human Neocortical Neurosolver) на Python (с описанием исходного программного обеспечения можно ознакомиться в этой публикации).
Ценность этой библиотеки в том, что в очень user-friendly формате она позволяет соотносить МЭГ/ЭЭГ данные с клеточной активностью нейронов, их порождающей. Работать можно, в частности, с вызванными потенциалами или осцилляторной активностью. На фоне оптимистичности подхода можно выделить два ограничения:
1. Фактически основной ингредиент тулбокса — это моделирование активности кортикальных источников в виде первичного тока с использованием биофизической модели нейронов. Соотнесение же с измерениями на МЭГ/ЭЭГ сенсорах осуществляется за счет сопоставления смоделированной активности кортикальных источников и той, которая была реконструирована на основе МЭГ/ЭЭГ с помощью методов решения обратной задачи. Решение обратной задачи в этом случае — отдельный изолированный шаг. О сложностях, которые его могут сопровождать, я писала в одном из предыдущих постов. Получается, что биофизическая модель описывает переход с микроуровня клеток на макроуровень кортикальных источников, но не на уровень сенсоров. Т. е. на выходе мы получаем сопоставление моделей “нейрон-диполь” и “сенсор-диполь”. Это очевидным образом может порождать искажения.
2. Сама используемая биофизическая модель опирается на архитектуру колонок пирамидальных нейронов неокортекса и не затрагивает иные возможные архитектуры. Впрочем, сами используемые параметры (пропорции возбуждения/торможения, специфичные для каждого слоя синаптические взаимодействия и характеристики спайковой активности) обеспечивают некоторые степени свободы.
Несмотря на текущие ограничения подхода, он открывает пространство для тестирования гипотез. В частности, с помощью HNN получилось сформировать предсказания об источниках спонтанных бета-осцилляций в неокортексе, которые затем были подтверждены на основе инвазивных данных мышей и обезьян.
На видео — пример симуляции вызванной активности. А по этой ссылке можно найти пример скрипта, который решает обратную задачу для соматосенсорной вызванной активности, наблюдаемой в МЭГ-данных, а затем моделирует сеть нейронов, репродуцирующую активность соответствующих источников.
#neuroimaging #programming #resources
Давно не пополняла коллекцию полезных тулбоксов. Несколько дней назад вышла новая версия библиотеки HNN (Human Neocortical Neurosolver) на Python (с описанием исходного программного обеспечения можно ознакомиться в этой публикации).
Ценность этой библиотеки в том, что в очень user-friendly формате она позволяет соотносить МЭГ/ЭЭГ данные с клеточной активностью нейронов, их порождающей. Работать можно, в частности, с вызванными потенциалами или осцилляторной активностью. На фоне оптимистичности подхода можно выделить два ограничения:
1. Фактически основной ингредиент тулбокса — это моделирование активности кортикальных источников в виде первичного тока с использованием биофизической модели нейронов. Соотнесение же с измерениями на МЭГ/ЭЭГ сенсорах осуществляется за счет сопоставления смоделированной активности кортикальных источников и той, которая была реконструирована на основе МЭГ/ЭЭГ с помощью методов решения обратной задачи. Решение обратной задачи в этом случае — отдельный изолированный шаг. О сложностях, которые его могут сопровождать, я писала в одном из предыдущих постов. Получается, что биофизическая модель описывает переход с микроуровня клеток на макроуровень кортикальных источников, но не на уровень сенсоров. Т. е. на выходе мы получаем сопоставление моделей “нейрон-диполь” и “сенсор-диполь”. Это очевидным образом может порождать искажения.
2. Сама используемая биофизическая модель опирается на архитектуру колонок пирамидальных нейронов неокортекса и не затрагивает иные возможные архитектуры. Впрочем, сами используемые параметры (пропорции возбуждения/торможения, специфичные для каждого слоя синаптические взаимодействия и характеристики спайковой активности) обеспечивают некоторые степени свободы.
Несмотря на текущие ограничения подхода, он открывает пространство для тестирования гипотез. В частности, с помощью HNN получилось сформировать предсказания об источниках спонтанных бета-осцилляций в неокортексе, которые затем были подтверждены на основе инвазивных данных мышей и обезьян.
На видео — пример симуляции вызванной активности. А по этой ссылке можно найти пример скрипта, который решает обратную задачу для соматосенсорной вызванной активности, наблюдаемой в МЭГ-данных, а затем моделирует сеть нейронов, репродуцирующую активность соответствующих источников.
YouTube
HNN Event Related Potential
Visualization of cortical activity underlying event related potentials as simulated by the Human Neocortical Neurosolver (HNN). Colors in the network correspond to membrane potential.
#popsci #podcast
Последний в этом году выпуск подкаста “Кортекс” продолжает формирующуюся традицию, в рамках которой я и Настя обсуждаем статьи в нейронауке, опубликованные за текущий год. Лично я не могу охарактеризовать этот научный год как “прорывной”, хотя, конечно, в нашу подборку обсуждаемых статей многое и не вошло. Поэтому призываю вас оставлять в комментариях те публикации 2023 года, которые вас заинтересовали.
Таймкоды подкаста:
3:47 - развитие слухового восприятия у новорожденных
10:17 - слуховые стимулы влияют на активность зрительной коры
17:45 - воспоминания о травме при ПТСР - это не просто грустные воспоминания!
24:10 - NeuroGPT учится языку мозга
29:15 - нарушение возбуждения/томрожения в мозге при шизофрении
34:20 - открытие новой области мозга, конкурирующей с первичной моторной корой
39:00 - мозговые механизмы юмора
41:30 - замораживание мозга приводит к замедлению восприятия времени
44:00 - что мы сделали в этом году? рассказываем о наших исследованиях
58:00 - пожелания на следующий год!
А мои персональные итоги года следующие — многое свершилось, многое еще предостоит, двигаюсь дальше, за неимением альтернатив стараясь практиковать пелевинский “летитбизм”.
Поздравляю всех с наступающими праздниками! Берегите себя💗
Дария
Последний в этом году выпуск подкаста “Кортекс” продолжает формирующуюся традицию, в рамках которой я и Настя обсуждаем статьи в нейронауке, опубликованные за текущий год. Лично я не могу охарактеризовать этот научный год как “прорывной”, хотя, конечно, в нашу подборку обсуждаемых статей многое и не вошло. Поэтому призываю вас оставлять в комментариях те публикации 2023 года, которые вас заинтересовали.
Таймкоды подкаста:
3:47 - развитие слухового восприятия у новорожденных
10:17 - слуховые стимулы влияют на активность зрительной коры
17:45 - воспоминания о травме при ПТСР - это не просто грустные воспоминания!
24:10 - NeuroGPT учится языку мозга
29:15 - нарушение возбуждения/томрожения в мозге при шизофрении
34:20 - открытие новой области мозга, конкурирующей с первичной моторной корой
39:00 - мозговые механизмы юмора
41:30 - замораживание мозга приводит к замедлению восприятия времени
44:00 - что мы сделали в этом году? рассказываем о наших исследованиях
58:00 - пожелания на следующий год!
А мои персональные итоги года следующие — многое свершилось, многое еще предостоит, двигаюсь дальше, за неимением альтернатив стараясь практиковать пелевинский “летитбизм”.
Поздравляю всех с наступающими праздниками! Берегите себя
Дария
Please open Telegram to view this post
VIEW IN TELEGRAM
Искусственный интеллект – Пифия современности
#ai
Публикация: Savcisens, G., Eliassi-Rad, T., Hansen, L. K., Mortensen, L. H., Lilleholt, L., Rogers, A., ... & Lehmann, S. (2023). Using sequences of life-events to predict human lives. Nature Computational Science, 1-14.
На пятый день после наступления нового года, когда беспечность настоящего постепенно угасает, неизбежно задумываешься о будущем... В долгосрочной перспективе оно кажется неосязаемым и туманным – по крайней мере, для нас. Но не для искусственного интеллекта!
Недавно в Nature Computational Science была представлена модель life2vec, предсказывающая жизнь людей. Модель опиралась на данные жителей Дании от 25 до 70 лет с 2008 по 2016 года. Эти данные представляли собой детализированную последовательность событий в сферах труда и здоровья: получение зарплаты или стипендии, устройство на работу, посещение врачей, постановку диагнозов и т. д. Используя эти данные, расположенные в хронологическом порядке, модель оценивала каждое событие как изолированно, так и в контексте всей последовательности жизни человека целиком. Это и позволяло осуществить предсказание на ближайшие четыре года.
С технической точки зрения важно подчеркнуть, что в модели не использовались традиционные методы предсказания временных рядов, поскольку события жизни человека характеризуются многомерными признаками и не регистрируются через равные промежутки времени. Наконец, само понятие времени в данном случае усложняется, так как представлено и датой события, и возрастом конкретного человека. С учётом всех сложностей была использована архитектура трансформера. Все категории событий жизни человека составили синтетический "вокабуляр", и последовательность событий жизни рассматривались как "предложения", состоящие из элементов этого вокабуляра. Если упрощать, то задача предсказания следующих событий жизни человека сводилась к задаче предсказания следующих "слов" по аналогии с тем, как это делают ИИ-чатботы.
Что именно может предсказывать модель? Концептуально ограничений нет, поскольку для каждого типа предсказаний на основе сырых данных формируется новое пространство векторов, специфичных для этого типа. То есть каждое событие жизни может быть по-разному представлено в контексте типа предсказания. Это и делает модель в чём-то универсальной. С её помощью удалось предсказать как раннюю смертность для выборки людей от 35 до 65 лет, так и психологически тонкие показатели, связанные с десятью личностными характеристиками экстраверсии. Интересно, что life2vec превзошла модели (рекуррентные нейронные сети), натренированные на данных, относящихся исключительно к предсказываемой переменной.
Представляет интерес пример (см. Рис.) двумерной проекции жизней людей для случая с предсказанием смертности. Выделенные на изображении (d) регионы 1 и 2 соответствуют высокой вероятности выживания и смерти соответственно. Примечательно, что в немалая часть региона 2 представлена молодыми людьми (f), которые в действительности умерли (см. красные точки), что указывает на сложный характер предсказаний, с которыми справилась модель. Реальные смерти, близкие к региону 1 (высокая вероятность выживания) и соответствующие ложно-отрицательному результату, объяснялись несчастными случаями, возникновениями новообразований или инфарктом, что действительно сложнее предсказать на основе имеющихся данных.
Из ограничений модели следует отметить использование лишь небольшого промежутка времени длиной в 8 лет, а также возможные социодемографические искажения, связанные с отсутствием данных тех, кто не получает зарплату или не посещает медицинские учреждения. Впрочем, ничто не мешает в дальнейшем использовать и иные источники данных – например, социальные сети.
Этические сомнения также возникают, но они настолько очевидны, что не требуют пояснений.
P. S. Отдельная благодарность подписчице канала Алине за наводку на статью. И для заинтересованных – по этой ссылке можно найти репозиторий с исходным кодом.
#ai
Публикация: Savcisens, G., Eliassi-Rad, T., Hansen, L. K., Mortensen, L. H., Lilleholt, L., Rogers, A., ... & Lehmann, S. (2023). Using sequences of life-events to predict human lives. Nature Computational Science, 1-14.
На пятый день после наступления нового года, когда беспечность настоящего постепенно угасает, неизбежно задумываешься о будущем... В долгосрочной перспективе оно кажется неосязаемым и туманным – по крайней мере, для нас. Но не для искусственного интеллекта!
Недавно в Nature Computational Science была представлена модель life2vec, предсказывающая жизнь людей. Модель опиралась на данные жителей Дании от 25 до 70 лет с 2008 по 2016 года. Эти данные представляли собой детализированную последовательность событий в сферах труда и здоровья: получение зарплаты или стипендии, устройство на работу, посещение врачей, постановку диагнозов и т. д. Используя эти данные, расположенные в хронологическом порядке, модель оценивала каждое событие как изолированно, так и в контексте всей последовательности жизни человека целиком. Это и позволяло осуществить предсказание на ближайшие четыре года.
С технической точки зрения важно подчеркнуть, что в модели не использовались традиционные методы предсказания временных рядов, поскольку события жизни человека характеризуются многомерными признаками и не регистрируются через равные промежутки времени. Наконец, само понятие времени в данном случае усложняется, так как представлено и датой события, и возрастом конкретного человека. С учётом всех сложностей была использована архитектура трансформера. Все категории событий жизни человека составили синтетический "вокабуляр", и последовательность событий жизни рассматривались как "предложения", состоящие из элементов этого вокабуляра. Если упрощать, то задача предсказания следующих событий жизни человека сводилась к задаче предсказания следующих "слов" по аналогии с тем, как это делают ИИ-чатботы.
Что именно может предсказывать модель? Концептуально ограничений нет, поскольку для каждого типа предсказаний на основе сырых данных формируется новое пространство векторов, специфичных для этого типа. То есть каждое событие жизни может быть по-разному представлено в контексте типа предсказания. Это и делает модель в чём-то универсальной. С её помощью удалось предсказать как раннюю смертность для выборки людей от 35 до 65 лет, так и психологически тонкие показатели, связанные с десятью личностными характеристиками экстраверсии. Интересно, что life2vec превзошла модели (рекуррентные нейронные сети), натренированные на данных, относящихся исключительно к предсказываемой переменной.
Представляет интерес пример (см. Рис.) двумерной проекции жизней людей для случая с предсказанием смертности. Выделенные на изображении (d) регионы 1 и 2 соответствуют высокой вероятности выживания и смерти соответственно. Примечательно, что в немалая часть региона 2 представлена молодыми людьми (f), которые в действительности умерли (см. красные точки), что указывает на сложный характер предсказаний, с которыми справилась модель. Реальные смерти, близкие к региону 1 (высокая вероятность выживания) и соответствующие ложно-отрицательному результату, объяснялись несчастными случаями, возникновениями новообразований или инфарктом, что действительно сложнее предсказать на основе имеющихся данных.
Из ограничений модели следует отметить использование лишь небольшого промежутка времени длиной в 8 лет, а также возможные социодемографические искажения, связанные с отсутствием данных тех, кто не получает зарплату или не посещает медицинские учреждения. Впрочем, ничто не мешает в дальнейшем использовать и иные источники данных – например, социальные сети.
Этические сомнения также возникают, но они настолько очевидны, что не требуют пояснений.
P. S. Отдельная благодарность подписчице канала Алине за наводку на статью. И для заинтересованных – по этой ссылке можно найти репозиторий с исходным кодом.