Metanavigation:

Hier finden Sie den Zugang zur Notfallseite, Kontaktinformationen, Barrierefreiheits-Einstellungen, die Sprachwahl und die Suchfunktion.

Navigation öffnen

Anwendung maschinellen Lernens und normativer Modellierung bei psychischen Störungen

Sie befinden sich hier:

Anwendung maschinellen Lernens und normativer Modellierung bei psychischen Störungen

Die Vorhersage von psychischen Erkrankungen mithilfe von MRT-Biomarkern und fortschrittlichen Machine-Learning-Techniken birgt großes Potenzial. Trotz Fortschritten bleiben die Vorhersagen jedoch auf individueller Ebene unzureichend. Das Projekt "Anwendungen von Machine Learning und Normative Modeling bei psychischen Erkrankungen" zielt darauf ab, solche Vorhersagen durch die Verwendung von zwei state-of-the-art-Methoden zu verbessern: normative Modellierung und Machine Learning unter Verwendung großer Datensätze. Konkret sollen im Rahmen des Projekts (1) Machine-Learning-Pipelines entwickelt und implementiert werden, die Diagnosekategorien genau klassifizieren und neurobildgebende Biomarker aus MRT-Daten identifizieren können; (2) Deep-Learning-Techniken sollen genutzt werden, um die Aufgaben-basierten fMRI-Daten zu verbessern, die in normative Modellierungsanalysen verwendet werden; und (3) normative Modellierung soll durchgeführt werden, um Zusammenhänge zwischen Gehirn-Readouts und demographischen und klinischen Scores zu untersuchen und die Heterogenität neurobildgebender Biomarker im Zusammenhang mit psychischen Erkrankungen zu untersuchen. 

  

Team: Emin Serin
Leitung: Prof. Henrik Walter, Prof. Kerstin Ritter, Prof. Andre Marquand 

Ansprechpartner*in: Emin Serin (emin.serin(at)charite.de)