Yuriy Mishchenko

Özgeçmiş: Yuriy Mishchenko

Araştırma alanım, nöral popülasyon düzeyinde beynimizdeki nöral aktivitelerin açıklanması ve bundan Beyin-Makine Arayüzleri (BMA veya BBA) için daha pratik iletişim yöntemlerinin geliştirilmesine odaklanmaktadır. Çalışmalarım, beyin aktivite verilerinin istatistiksel ve makine öğrenme yöntemleri kukllanılarak modelleme ve analiz yaklaşımları, ayrıca daha genel biyomedikal görüntü ve sinyal işleme üzerine de yoğunlaşmaktadır. Noninvaziv beyin-makine arayüzleri laboratuvarım, EEG ve EMG-tabanlı nöral arayüzlerinin ve bunların robotik nöral protez sistemlerinde kullanımları üzerine yoğunlaşmaktadır. Tecrübe ve uzmanlık alanlarıma dahil olan, teorik ve hesaplamalı nörobilim; bilgisayarda veri analizi ve görüntü işleme; istatistiksel ve makine öğrenme yöntemleri; istatistiksel tahmin yöntemleri; optimizasyon yöntemleri ve yüksek performanslı hesaplama; C/C++, C#, Java, Python, PHP, JavaScript, Matlab, SQL, R gibi programlama dilleri; Büyük Veri ve Veri Bilimi; Web ve İnterner programlama, ve birçok diğer alandır.
Şuanda, İzmir Ekonomi Üniversitesi Mühendislik Fakültesinin Biyomedikal Mühendisliği Bölümünde Doçent Dr. olarak görev yapmaktayım. İzmir Ekonomi Üniversitesi’ndeki çalışmalarım, noninvaziv beyin-makine arayüzleri için yöntemlerin ve nöral diye adlandırılan motorlu robotik protezlerin geliştirilmesine odaklanmaktadır.

İzmir Ekonomi Üniversitesi’nden önce, daha önce Yardımcı Doçent Dr. ve sonra Doçent. Dr. olarak Mersin’deki Toros Üniversitesi Bilgisayar ve Yazılım Mühendisliği Bölümü’nde görev yaptım (2011-2016). Toros Üniversitesi’ndeki Bilgisayar-Yazılım Mühendisliği Bölümünün kurucu başkanı oldum, ayrıca “Noninvaziv beyin makine arayüzleri” araştırma laboratuvarını kurdum. Aynı zamanlarda, Türkiyedeki Bilim Akademisi’nin BAGEP Genç Bilim Adamı ödülü 2013 yılında kazandım, TUBİTAK ARDEB 1001 “Daha verimli  noninvaziv beyin makine arayüzlerinin geliştirilmesi” projesini 2014 yılında aldım.

Türkiye’ye gelmeden önce, nöral görüntüleme ve hesaplamalı nörobilimde A.B.D.’de ilk Cold Spring Harbor Laboratory (2005-2007), daha sonra HHMI’nin Janelia Araştırma Kampüsü (2007-2008), en son New York’taki Columbia Üniversitesi İstatistik ve Teorik Nörobilim Bölümlerinde (2008-2010) araştırma yaptım. Bu araştırmam, beyindeki nöral devrelerinin elektron mikroskopi ve daha sonra popülasyon kalsiyum görüntüleme diye adlandırılan yöntemleri kullanılarak elde edilen verilerden analizi, tahmini ve modellenmesi üzerine yoğunlaşmıştır.

Özet: Sinirbilimde Modelleme

Nöral mühendislik, sinir sistemiyle etkileşime giren veya sinir sistemini etkileyen teknolojilerle uğraşan biyomedikal mühendisliğinin bir alt alanıdır. Nöral mühendislik, beyindeki nöral devrelerin ve sinirsel hesaplamanın ters mühendisliği, sinir sistemi ile doğrudan arayüzleme, protezlerin nöral kontrolü, sinirsel hastalıkların tedavisinde yeni yöntemler ve omurilik onarımı ve diğerleri gibi yaralanma konularını kapsayan, biyomedikal araştırmaların en hızlı gelişen alanlarından biridir.

Nöral mühendisliğinin önemli bir bölümü, temel sinirbilimi ile ortak bir hedefi paylaşır ve beyindeki bilgi kodlamasının prensiplerini anlamaya ve geri mühendisliğe dönüştürerek hem sinirsel faaliyetten harekete geçirici sinyaller elde etmenin yanı sıra beyne direkt olarak bilgi gömmek bağlamında sinir sistemi ile doğrudan etkileşime girme yeteneği kazandırır.

Konuşmamda, sinirsel aktivite kod çözümü olarak bilinen bu sorunun bir bölümüne odaklanacağım.

Beynin oluşturduğu nöronların aktivitesinde bilginin nasıl kodlandığını anlamak, hem beynin nasıl hesaplandığını anlamak ve aynı zamanda beyinle doğrudan etkileşimde bulunmak veya iletişim kurmak isteyen gelecek teknolojileri de etkinleştirmek için gereklidir.  Sinirbilimindeki en zorlu sorunlardan biri olan sinirsel kod problemine rağmen, geçmiş yıllarda, sinirsel kod ve hesaplama ilkelerinin aydınlatılmasının yanı sıra, agnostik veya ampirik sinirsel aktivite kod çözücüleri oluşturmak için gelişmiş istatistiksel ve yapay zeka ile öğrenme algoritmalarının kullanılmasında önemli ilerleme kaydedilmiştir. İlk olarak duyu sisteminde sinirsel kodların modellenmesi ve kod çözülmesinde elde edilen son ilerlemeler de dahil olmak üzere nöronal popülasyon düzeyinde sinir sisteminde bilgi kodlama prensiplerinin anlaşılmasında kaydedilen ilerlemeleri inceleyeceğim. Daha sonra, sinirsel kodu modellemeye ve anlamaya yönelik genelleştirilmiş doğrusal model tabanlı istatistiksel yaklaşımları açıklayacağım. Son olarak, sinirsel aktivite kod çözücüleri oluşturmak için bu ilkelerin beyindeki sinir topluluklarındaki aktivitelerin ya mikro elektrodların dizileri ile invaziv olarak ya da beyin-bilgisayar arayüzleri olarak bilinen modern doğrudan beyin-bilgisayar iletişim sistemlerinin bir bölümünü içeren, EEG veya fMRI gibi invaziv olmayan sinyaller aracılığıyla gözlemlenmesinden ve sinyal üretme amacı ile kullanılabilecek uygulamalarını tartışacağım.