分类目录归档:培训资讯

多尺度脑网络设计规则

内容来源: 集智俱乐部

多尺度脑网络设计规则

简介

本次报告将首先回顾从宏观,介观到子脑区等不同尺度上,脑区连接设计机制,探索不同尺度上的平衡规则,以及不同尺度之间平衡规则的联系。然后进一步进入更微观的神经元层面,探索其信息流模式与不同功能之间关系。最后进入多尺度、跨物种大脑连接设计的scaling规则。

主讲人

陈育涵,北京师范大学系统科学学院助理研究员。香港浸会大学博士,博士后。本科毕业于中国科学技术大学理论物理专业。曾担任北京师范大学认知神经科学与学习国家重点实验室助理研究员。共发表论文 7 篇 ,其中第一作者或通讯作者在PNAS, Cerebral Cortex, PLoS Computational Biology 和 Physical Review E 发表论文 5 篇 。
研究方向:从复杂动力学系统视角来构建计算模型来研究灵长类大脑结构功能行为,及其能量代谢关系,进而探索灵长类大尺度大脑基本形成组织机制 、儿童脑发育结构功能连接组发育机制。

时间

2022年5月8日(本周日)下午14:00-16:00

基于贝叶斯网络的ADHD分类器与自适应诊断

内容来源:中山大学心理学系

报告人:江哲涵 副研究员

报告人单位:北京大学

题目:基于贝叶斯网络的ADHD分类器与自适应诊断

时间:2022年4月18日 (周一,14:20-17:30)

地点:心理学系305

报告简介

在面对注意力缺陷/多动症(ADHD)等神经系统疾病时,我们常需要对其严重程度进行量化分级。为了探索数据驱动分类的方法学特性,本研究旨在开发基于贝叶斯网络的模型及其计算机适应性测试(CAT),以便对个体受试者的ADHD症状严重程度进行高效且准确地分类。当前症状量表(CCS)被用来在892名大学生样本中建立ADHD症状严重程度分类器,通过计算机模拟研究,我们评估了基于条件概率的信息增益CAT,以此模拟结果来确定优化方案。平均结果显示,将18个项目中的8个分配给单个受试者可获得85%的分类准确率,由此为ADHD量表的精简化与个性化提供可行机制,进而允许基于贝叶斯网络的分类器以数据驱动来协助诊断。通过与项目反应理论的对比,该研究证明将CAT纳入分类器可在缩短量表的同时、保持可接受的测量质量。

报告人简介

江哲涵,北京大学医学部/全国医学教育发展中心 (Tenure-Track)副研究员,博士研究生导师。研究领域:心理和教育测量,数据可视化,机器学习,人工智能,成本效益,医学考试,问卷设计分析等。近三年在主流SCI/SSCI的教育学、心理学、信息学等期刊发文近30余篇,如《Medical Teacher》、《Behavior Research Methods》、《Multivariate Behavior Research》、《Psychometrika》等。曾担任阿拉巴马大学、贝勒医学院助理教授,现担任《BMC Medical Research Methodology》等期刊的责任编辑与审稿专家。

 

从作者、审稿人、编辑的角度看好论文的标准和开放科学的趋势

内容来源:心理学报

心向未来《山理学报》论坛·2022年第2期

从作者、审稿人、编辑的角度看好论文的标准和开放科学的趋势

主讲人:甘怡群 北京大学心理与认知科学学院教授

时间:2022-4-24 19:00-21:00

方式:心仪脑直播

摘要:该线上研讨会将从作者、审稿人、编辑的角度探讨如何提升论文的创新性贡献,管理投稿过程,审稿过程,如何回复审稿人意见,以及分析拒稿稿件常见的学术原因。该线上研讨会还将与作者分享《心理学报》的一些开放科学实践,如预注册、数据和实验材料共享,并推荐5个常用的研究报告标准。