Výzkumná skupina kognitivního a neurálního inženýrství

Výzkumná skupina Kognitivního a neurálního inženýrství (CANE) působí na Fakultě informačních technologií VUT v oblastech, které pokrývají disciplíny preventivního duševního zdraví, kognitivního a neurálního inženýrství a neurologické zpětné vazby. Výzkumná skupina působí na Ústavu počítačových systémů FIT VUT a její členové se podílí se na výuce studijních programů Informační technologie. CANE se zabývá různými modalitami mozku, jakými jsou EEG, MEG, FNIR a fMRI. Členové týmu mají rozsáhlé odborné znalosti relevantních metod, např. funkční a efektivní měření konektivity, časově-frekvenční analýza, metody lokalizace zdroje a mikrostavová analýza. Pro klasifikaci a optimalizaci využíváme algoritmy tradičního strojového učení, stejně jako hluboké učení a evoluční výpočetní techniky. Zajímají nás klinické i neklinické aplikace. Klinické aplikace zahrnují preventivní hodnocení duševního zdraví s ohledem na stres, úzkost a depresi. V oblasti neklinických aplikací se zaměřujeme na hodnocení kognitivních dovedností, mozková počítačová rozhraní a vývoj hardwaru pro monitorování funkční mozkové aktivity.

Aktuální zaměření výzkumu

Zaměření na prevenci pro duševní zdraví
Vývoj technik a algoritmů pro pochopení a analýzu dynamických neuronálních mechanismů
Předběžný screening a včasná diagnostika duševního stresu, úzkosti a deprese
Zjednodušení rozhraní mezi mozkem a počítačem pro aplikace pracující v reálném čase
Zaměření na EEG, MEG, FNIR a fMRI modality
Intervence pomocí aktivního i pasivního neurofeedbacku

Spolupráce

Masarykova univerzita, Česko (Alena Domborská)
Západočeská univerzita, Česko (Roman Mouček)
PETRONAS University of Technology, Malajsie (Naufal Saad, Ibrahima Faye)
King Saud University, Saúdská Arábie (Muhammad Hussain)
Qatar University (Uvais Qidwai)
TietoEVRY, Finsko (Iftikhar Ahmed)
National University of Science & Technology, Pákistán (Wajid Mumtaz)
Brain Therapy Center, Austrálie (Timothy C. Hill)
Capital normal University, Peking, Čína (Likun Xia)
University of Girona, Španělsko (Xavier Cufi)
Korea University of Technology & education, Jižní Korea (Tariq Mahmood)
University of Jeddah, Saúdská Arábie (Ishtiaq Rasool Khan, Seong O Shim)
University Sains Malaysia (Faruque Reza)
Lahore University of Management & Sciences, Pákistán (Safee Ullah Chaudhary)
University of Technology Belfort-Montbéliard, Francie (Yassine Ruichek)

Knihy

Aamir Saeed Malik, Wajid Mumtaz, EEG Based Experiment Design for Major Depressive Disorder, ISBN: 9780128174203, Elsevier, 2019.
Aamir Saeed Malik, Hafeezullah Amin, Designing EEG Experiments for Studying the Brain: Design Code and Example Datasets, ISBN: 9780128111406, Elsevier, 2017.
Nidal Kamel, Aamir Saeed Malik, EEG / ERP Analysis: Methods and Applications, ISBN: 9781482224696, CRC Press, US, June, 2014.

Patenty

Aamir Saeed Malik, Uvais Qidwai, Mohamed Shakir, Nidal Kamel, Wearable System for Identification and Prediction of Partial Seizure, MY-182188-A, 2021.
Aamir Saeed Malik, Wajid Mumtaz, Methodology of using Electroencephalogram (EEG) for Major Depressive Disorder (MDD) Patient Diagnosis and Antidepressants Efficacy Prediction, MY-180034-A, Malaysia, 2020.
Aamir Saeed Malik, Rana Fayyaz, Jahangir Khan, A System and Method for Functional Brain Imaging Using Microwave Radiometry, MY-177762-A, Malaysia, 2020.
Aamir Saeed Malik, Rafi Ullah, Humaira Nisar, Nidal Kamel, Method of Obtaining Motion Vectors for Tracking EEG signals using Block-Based Motion Estimation Algorithm, MY-168915-A, Malaysia, 2018.
Aamir Saeed Malik, Mohd Zuki Yusoff, Nidal Kamel, Methodology Of Extracting Brain ERP signals from Background Noise, MY-152983-A, Malaysia, 2014.

Významné publikace

Modulation of cortical activity in response to learning and long-term memory retrieval of 2D verses stereoscopic 3D educational contents: Evidence from an EEG study, Computers in Human Behavior (JIF: Q1, JCI: Q1, IF: 6.829) , Vol. 114, Article 106526, 2021.
Towards health monitoring using heart rate measurement using digital camera: A feasibility study, Measurement (JIF: Q1, JCI: Q1, IF: 3.927) , Vol. 149, Article 106804, 2020.
Exploring EEG Effective Connectivity Network in Estimating Influence of Color on Emotion and Memory, Frontiers in Neuroinformatics (JIF: Q1, JCI: Q1, IF: 4.081), Vol. 13, pp. 66, 2019.
Classification of visual and non-visual learners using Electroencephalographic alpha and gamma activities, Frontiers in Behavioral Neuroscience (JIF: Q1, JCI: Q1, IF: 3,558), Vol. 13, pp. 86, 2019.
An EEG-based functional connectivity measure for automatic detection of alcohol use disorder, Artificial Intelligence in Medicine (JIF: Q1, JCI: Q1, IF: 5.326) , Vol. 84, pp. 79-89, 2018.
Mitigation of Stress: New Treatment Alternatives, Cognitive Neurodynamics (JIF: Q2, JCI: Q2, IF: 5,082), Vol. 12, no. 1, pp. 1-20, 2018.
Electroencephalogram-based Decoding of Cognitive States Using Convolutional Neural Network and Likelihood Ratio Based Score Fusion, PLoS One (JIF: Q2, JCI: Q1, IF: 3,240) , Vol 12, No 5, e0178410, 2017.
A wavelet based technique to predict treatment outcome for Major Depressive Disorder, PLoS One (JIF: Q2, JCI: Q1, IF: 3,240) , Vol. 12, no. 2, e0171409, 2017.
Novel health monitoring method using an RGB camera, Biomedical Optics Express (JIF: Q1, JCI: Q1, IF: 3.732), Vol. 8, no. 11, pp. 4838-4854, 2017.
Automatic diagnosis of alcohol use disorder using EEG features, Knowledge-Based Systems (JIF: Q1, JCI: Q1, IF: 8.038) , Vol. 105, pp. 48-59, 2016.
P300 correlates with learning & memory abilities and fluid intelligence, Journal of Neuroengineering and Rehabilitation (JIF: Q2, JCI: Q1, IF: 4.262) , Vol. 12, no. 1, pp. 87, 2015.

Kontakt

Aamir Saeed Malik, PhD
Head, CANE (Cognitive & Neural Engineering Research Group)
Ústav počítačových systémů, Fakulta informačních technologií (FIT)
Vysoké učení technické v Brně
Božetěchova 2, 612 00 Brno, Česká republika
e-mail: malik@fit.vutbr.cz, pracovní telefon: +420 54114 1055, kancelář: L305