Artwork

Treść dostarczona przez Uniwersytet SWPS. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Uniwersytet SWPS lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Player FM - aplikacja do podcastów
Przejdź do trybu offline z Player FM !

Uczenie maszynowe w wykrywaniu schizofrenii - dr Justyna Sarzyńska, dr inż. Aleksander Wawer

1:03:56
 
Udostępnij
 

Manage episode 285808845 series 1695911
Treść dostarczona przez Uniwersytet SWPS. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Uniwersytet SWPS lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.

Czy komputery są w stanie rozpoznawać schizofrenie równie skutecznie jak psychiatrzy? Czy stan pacjenta można monitorować na odległość? Wraz z rozwojem metod NLP (przetwarzania języka naturalnego) i uczenia maszynowego przybywa obiektywnych narzędzi przydatnych w diagnostyce i monitorowaniu stanu pacjentów cierpiących na różne choroby i zaburzenia psychiczne. Podczas wykładu omówimy modele głębokiego uczenia maszynowego wykorzystywane w wykrywaniu formalnych zaburzeń myślenia (jednego z głównych objawów schizofrenii) na podstawie tekstu. Opowiemy o naszych badaniach, w których porównywaliśmy skuteczność metod komputerowych z ocenami psychiatry. Poruszymy również problematykę przyszłości metod komputerowych w psychiatrii.

dr Justyna Sarzyńska-Wawer – adiunkt w Pracowni Psycholingwistyki i Psychologii Poznawczej w Instytucie Psychologii PAN. Kierownik i wykonawca w grantach dotyczących podstawowych procesów poznawczych oraz neuronalnych i poznawczych korelatów kłamania. Obecnie prowadzi badania nad wykrywaniem kłamania poprzez automatyczną analizę tekstu i użyciem metod uczenia maszynowego w diagnozowaniu chorób psychicznych. Pracę naukową łączy z terapeutyczną (w nurcie poznawczo-behawioralnym).

dr inż. Aleksander Wawer – adiunkt w Zespole Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki PAN. Pracuje również w laboratorium Text Mining w Samsung R&D Poland, gdzie zajmuje się praktycznymi implementacjami technologii językowych. Jego zainteresowania i wieloletnie doświadczenie zawodowe obejmują przetwarzanie języka naturalnego (NLP), zarówno składniowe, jak i semantyczne. Jest zafascynowany głębokim uczeniem maszynowym i wielowarstwowymi sieciami neuronowymi oraz ich zastosowaniami w analizie wydźwięku (sentiment analysis), wykrywaniu fake newsów oraz w szeroko pojętej psychologii i psychiatrii.

Wykład odbył się w ramach kolejnej edycji Dnia Mózgu 2020 na Uniwersytecie SWPS w Warszawie. Więcej o wydarzeniu: https://www.swps.pl/uczelnia/aktualnosci/21277-dzien-mozgu-2020

  continue reading

610 odcinków

Artwork
iconUdostępnij
 
Manage episode 285808845 series 1695911
Treść dostarczona przez Uniwersytet SWPS. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Uniwersytet SWPS lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.

Czy komputery są w stanie rozpoznawać schizofrenie równie skutecznie jak psychiatrzy? Czy stan pacjenta można monitorować na odległość? Wraz z rozwojem metod NLP (przetwarzania języka naturalnego) i uczenia maszynowego przybywa obiektywnych narzędzi przydatnych w diagnostyce i monitorowaniu stanu pacjentów cierpiących na różne choroby i zaburzenia psychiczne. Podczas wykładu omówimy modele głębokiego uczenia maszynowego wykorzystywane w wykrywaniu formalnych zaburzeń myślenia (jednego z głównych objawów schizofrenii) na podstawie tekstu. Opowiemy o naszych badaniach, w których porównywaliśmy skuteczność metod komputerowych z ocenami psychiatry. Poruszymy również problematykę przyszłości metod komputerowych w psychiatrii.

dr Justyna Sarzyńska-Wawer – adiunkt w Pracowni Psycholingwistyki i Psychologii Poznawczej w Instytucie Psychologii PAN. Kierownik i wykonawca w grantach dotyczących podstawowych procesów poznawczych oraz neuronalnych i poznawczych korelatów kłamania. Obecnie prowadzi badania nad wykrywaniem kłamania poprzez automatyczną analizę tekstu i użyciem metod uczenia maszynowego w diagnozowaniu chorób psychicznych. Pracę naukową łączy z terapeutyczną (w nurcie poznawczo-behawioralnym).

dr inż. Aleksander Wawer – adiunkt w Zespole Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki PAN. Pracuje również w laboratorium Text Mining w Samsung R&D Poland, gdzie zajmuje się praktycznymi implementacjami technologii językowych. Jego zainteresowania i wieloletnie doświadczenie zawodowe obejmują przetwarzanie języka naturalnego (NLP), zarówno składniowe, jak i semantyczne. Jest zafascynowany głębokim uczeniem maszynowym i wielowarstwowymi sieciami neuronowymi oraz ich zastosowaniami w analizie wydźwięku (sentiment analysis), wykrywaniu fake newsów oraz w szeroko pojętej psychologii i psychiatrii.

Wykład odbył się w ramach kolejnej edycji Dnia Mózgu 2020 na Uniwersytecie SWPS w Warszawie. Więcej o wydarzeniu: https://www.swps.pl/uczelnia/aktualnosci/21277-dzien-mozgu-2020

  continue reading

610 odcinków

Minden epizód

×
 
Loading …

Zapraszamy w Player FM

Odtwarzacz FM skanuje sieć w poszukiwaniu wysokiej jakości podcastów, abyś mógł się nią cieszyć już teraz. To najlepsza aplikacja do podcastów, działająca na Androidzie, iPhonie i Internecie. Zarejestruj się, aby zsynchronizować subskrypcje na różnych urządzeniach.

 

Skrócona instrukcja obsługi