摘要

        如何建模大脑的动力学性质和脑网络特性是一个重要难题。我将从数据驱动的角度提出用人工智能(AI)模型学习静息态神经数据（例如IMRI和EEG），解决大脑动力学系统反问题，将训练好的AI模型作为真实大脑的surrogate model，即数字孪生脑。数字孪生脑可以支持多种仿真实验，以及个性化的闭环神经调控。最后，我将提出脑网络控制框架，它结合神经动力学建模和优化控制理论，用于设计神经刺激最佳策略，为脑疾病的个性化治疗、脑功能的增强、行为调控等方向开辟新途径。

 个人简介 

        刘泉影，南方科技大学生物医学工程系助理教授、博导、神经计算与控制实验室PI。本科和硕士毕业于兰州大学信息学院，博士毕业于瑞士苏黎世联邦理工学院，博士后在美国加州理工学院。刘泉影博士专注于类脑智能、多态神经信号处理算法、脑网络动力学建模、神经优化控制。提出了高通道脑电溯源算法，解决了脑电溯源精度不高、位置不准、静息态脑网络无法有效提取的问题；提出了数据驱动的脑网络动力学建模方法，建立基于控制理论的神经刺激优化框架，解决大脑控制不准、控制不住的问题。近5年，刘泉影在脑科学、人工智能、控制的交叉领域以一作或通讯作者身份发表SCI/EI学术论文40余篇，包括The Innovation, eLife, Neuroimage, Pattern Recognition, IEEE-JBHI等国际权威期刊，及NeurIPS, IJCAI等机器学习顶会。