शोध और चुनिंदा प्रकाशन

Mental Health Mapping में मशीन लर्निंग, तंत्रिका विज्ञान, मनोचिकित्सा, न्यूरोलॉजी और दर्शनशास्त्र एक साथ आते हैं। 2022 में प्रयोगशाला की स्थापना के बाद से हमें कई सहयोगियों के साथ मिलकर इन क्षेत्रों की प्रमुख पत्रिकाओं और सम्मेलनों में प्रकाशित करने का सौभाग्य मिला है। नीचे प्रयोगशाला के सदस्यों के योगदान वाले चुनिंदा शोध-पत्र उनके संक्षिप्त सारांश के साथ दिए गए हैं। शोध-पत्रों के शीर्षक मूल अंग्रेज़ी में हैं, और पूरी सूची Google Scholar पर उपलब्ध है।

Mental Health Mapping के आधार आधार Mental Health Mapping की संरचनाएँ संरचनाएँ Mental Health Mapping के लिए मार्कर मार्कर Mental Health Mapping के लिए मॉडल मॉडल

अधिक जानने के लिए किसी विषय पर क्लिक करें।

Mental Health Mapping के आधार

हम स्वास्थ्य, विकार और रोग के आधारों का अध्ययन करते हैं, जहाँ अक्सर यह स्पष्ट नहीं होता कि किसे स्वस्थ या सामान्य (नॉर्मेटिव) माना जाए। यह काम Mental Health Mapping की सैद्धांतिक नींव तैयार करता है और इसमें व्यक्ति के अपने अनुभव (फ़र्स्ट-पर्सन) और बाहरी अवलोकन (थर्ड-पर्सन), दोनों दृष्टिकोण शामिल होते हैं। अपने सभी विषयों में हम मानसिक और तंत्रिका संबंधी विकारों के साथ जी रहे लोगों, चिकित्सकों, दार्शनिकों और वैज्ञानिकों के साथ मिलकर काम करते हैं।

उदाहरण प्रश्न:

बंद करें

Mental Health Mapping की संरचनाएँ

मानसिक और तंत्रिका संबंधी विकार वंशानुगत होते हैं, अक्सर एक-दूसरे के साथ पाए जाते हैं (सहरुग्णता), और व्यक्ति-दर-व्यक्ति बहुत भिन्न होते हैं (विषमता)। उनकी संरचना व्यक्ति की जैविक बनावट में, लोगों, समूहों या समाज के विभिन्न हिस्सों के बीच की गतिशीलता में, या पर्यावरणीय तनाव-कारकों में हो सकती है। हम ऐसे बड़े पैमाने के अध्ययनों पर काम करते हैं जो इन सभी स्तरों को समेटते हैं।

उदाहरण प्रश्न:

बंद करें

Mental Health Mapping के लिए मार्कर

जैविक और गैर-जैविक कारकों का एक जटिल जाल हर व्यक्ति में लक्षण उत्पन्न करता है। यही एक कारण है कि अधिकांश मानसिक और कुछ तंत्रिका संबंधी विकारों के मार्करों के बारे में हम बहुत कम जानते हैं। मल्टीमोडल दृष्टिकोणों के माध्यम से हमारा लक्ष्य इन विकारों के पीछे छिपे कारकों का पता लगाना है।

उदाहरण प्रश्न:

बंद करें

Mental Health Mapping के लिए मॉडल

हमारा अधिकांश शोध मशीन लर्निंग पर आधारित है। हम बड़े पैमाने के इमेजिंग, इलेक्ट्रोफ़िज़ियोलॉजिकल, आनुवंशिक, सेंसर, संज्ञानात्मक, व्यवहार संबंधी और भाषा डेटा के लिए पद्धतियाँ लागू करते हैं और नई पद्धतियाँ विकसित करते हैं। यह डेटा उच्च-आयामी होता है और इसके लेबल अक्सर विश्वसनीय नहीं होते। हम अपने लिए एक सरल कसौटी रखते हैं: मस्तिष्क के कई मापों के लिए सही ढंग से निर्दिष्ट रिग्रेशन मॉडल अधिक जटिल एआई पद्धतियों जितना ही अच्छा प्रदर्शन करते हैं, और हम इसे ईमानदारी से रिपोर्ट करते हैं।

उदाहरण प्रश्न:

बंद करें

2026

A normative reference for large-scale human brain dynamics across the lifespan

Nature Neuroscience (स्वीकृत) · प्रीप्रिंट ·
सारांश

हम 91 इमेजिंग केंद्रों पर जीवनकाल के विभिन्न चरणों के 10,000 से अधिक लोगों के रेस्टिंग-स्टेट fMRI डेटा से मस्तिष्क की आंतरिक गतिशीलता के लिए जनसंख्या-स्तर का एक नॉर्मेटिव संदर्भ तैयार करते हैं। बार-बार उभरने वाली मस्तिष्क-अवस्थाएँ इस गतिशीलता को जीवनकाल के मानदंडों से जोड़ती हैं। इससे विकास और बढ़ती उम्र से जुड़े रुझान तथा मानसिक स्वास्थ्य संबंधी स्थितियों में विषम बदलाव सामने आते हैं, और मस्तिष्क की गतिशीलता का व्यक्तिगत आकलन संभव होता है।

Deep Unsupervised Anomaly Detection in Brain Imaging: Large-Scale Benchmarking and Bias Analysis

npj Digital Medicine (स्वीकृत) · प्रीप्रिंट ·
सारांश

हम ब्रेन इमेजिंग में डीप अनसुपरवाइज़्ड एनॉमली डिटेक्शन के लिए एक बड़ा बहु-केंद्रीय बेंचमार्क बनाते हैं, जिसमें मॉडल स्वस्थ मस्तिष्कों की लगभग 4,60,000 स्लाइस पर प्रशिक्षित किए गए हैं। प्रदर्शन स्कैनर, घाव (लीज़न) के प्रकार और जनसांख्यिकी के अनुसार काफ़ी बदलता है। इससे व्यवस्थित पूर्वाग्रह और ऐसी पद्धतिगत सीमाएँ सामने आती हैं जिन्हें भविष्य के एल्गोरिदम को पार करना होगा।

SIGMA-VAE: Sketched Isotropic Gaussian Multi-view Autoencoder for Normative Modeling

MICCAI (Main Track) · शोध-पत्र ·
सारांश

हम SIGMA-VAE प्रस्तुत करते हैं, जो नॉर्मेटिव मॉडलिंग के लिए एक मल्टी-व्यू ऑटोएनकोडर है। इसकी लेटेंट ज्यामिति सुव्यवस्थित है, इसके रिप्रेज़ेंटेशन विरल (स्पार्स) और व्याख्येय हैं, और यह अनिश्चितता के अनुसार भारित विचलन देता है। 328 स्कैनरों से लिए गए 40,000 से अधिक ब्रेन स्कैन पर प्रशिक्षित यह मॉडल व्यक्तिगत असामान्यताओं को अधिक संवेदनशीलता से पहचानता है, पहले न देखे गए स्कैनरों के डेटा पर भी अच्छा काम करता है, और अल्ज़ाइमर रोग की पहचान में होल्ड-आउट डेटा पर 0.91 और बाहरी डेटा पर 0.87 का AUC प्राप्त करता है।

MedSAMix: A Training-Free Model Merging Approach for Medical Image Segmentation

AAAI (Main Track) · शोध-पत्र ·
सारांश

हम MedSAMix प्रस्तुत करते हैं, जो सामान्य-उद्देश्य (SAM) और विशेषज्ञ (MedSAM) सेगमेंटेशन मॉडलों को बिना अतिरिक्त प्रशिक्षण के अपने-आप मिलाने की एक पद्धति है। 25 चिकित्सा सेगमेंटेशन कार्यों में यह पूर्वाग्रह को कम करती है और सामान्यीकरण तथा क्षेत्र-विशेष सटीकता, दोनों में 6.7% तक सुधार करती है।

From early to contemporary normative modeling: Mapping individual differences in neurophysiological signals

Imaging Neuroscience · शोध-पत्र ·
सारांश

मशीन लर्निंग और बड़े डेटासेट के कारण ब्रेन इलेक्ट्रोफ़िज़ियोलॉजी में नॉर्मेटिव मॉडलिंग फिर से उभर रही है, और यह क्षेत्र आयु पर आधारित छोटे मॉडलों से हार्मोनाइज़्ड और अधिक जटिल दृष्टिकोणों की ओर बढ़ रहा है। हम इस विकास की समीक्षा करते हैं। हमारा तर्क है कि प्रूफ़ ऑफ़ कॉन्सेप्ट से आगे बढ़कर व्यक्तिगत नैदानिक अनुप्रयोगों तक पहुँचने के लिए अंतरराष्ट्रीय सहयोग, मानकीकृत पाइपलाइन और नए फ़ीचर की ज़रूरत है।

2025

Hierarchical Characterization of Brain Dynamics via State Space-based Vector Quantization

MICCAI (Main Track) · शोध-पत्र ·
सारांश

हम HST प्रस्तुत करते हैं, जो एक हायरार्किकल स्टेट-स्पेस टोकनाइज़ेशन नेटवर्क है। यह मस्तिष्क की गतिविधि को स्थिर "टोकन" में बाँटता है और यह ट्रैक करता है कि मस्तिष्क उनके बीच कैसे आता-जाता है। दो स्वतंत्र डेटासेट में यह इस गतिशीलता को मौजूदा तरीक़ों की तुलना में अधिक स्पष्ट रूप से दर्शाता है।

A 10-year longitudinal study of brain cortical thickness in people with first-episode psychosis using normative models

Schizophrenia Bulletin · शोध-पत्र ·
सारांश

नॉर्मेटिव मॉडल की मदद से हम दिखाते हैं कि पहली बार साइकोसिस से प्रभावित (फ़र्स्ट-एपिसोड साइकोसिस) कुछ लोगों में मस्तिष्क की असामान्यताएँ दस वर्षों में सामान्य होने के संकेत दिखाती हैं। हम यह भी दिखाते हैं कि अनुदैर्ध्य अध्ययनों में केंद्र-विशेष भिन्नता की मॉडलिंग ज़रूरी है, क्योंकि अन्यथा स्कैनरों और प्रोटोकॉल में बदलाव परिणामों को भ्रामक बना सकते हैं।

2024

Characterising personalized neuropathology in dementia and mild cognitive impairment with explainable artificial intelligence

npj Digital Medicine · शोध-पत्र ·
सारांश

हमने डिमेंशिया का पूर्वानुमान लगाने के लिए एक डीप न्यूरल नेटवर्क को प्रशिक्षित किया और व्यक्तिगत अंतरों को समझने के लिए एक्सप्लेनेबल एआई का उपयोग किया। यह अच्छी विश्वसनीयता के साथ सात वर्ष पहले तक बता सकता है कि किसी व्यक्ति को डिमेंशिया होगा या नहीं।

Computational psychiatry and the evolving concept of a mental disorder

Synthese · शोध-पत्र ·
सारांश

मानसिक विकार की पारंपरिक अवधारणाओं से बढ़ते असंतोष के कारण मनोरोग संबंधी शोध और उपचार के लिए एक सुसंगत ढाँचे की खोज शुरू हुई है। हम नॉर्मेटिव मॉडलिंग, नेटवर्क सिद्धांत और लर्निंग-थ्योरी पर आधारित दृष्टिकोणों जैसे कम्प्यूटेशनल प्रतिमानों की तुलना करते हैं, और उनकी समानताओं, अंतरों और संभावित वैचारिक टकरावों की पड़ताल करते हैं।

Mapping Cerebellar Anatomical Heterogeneity in Mental and Neurological Illnesses

Nature Mental Health · शोध-पत्र ·
सारांश

हमने जीवनकाल में सेरिबैलम (अनुमस्तिष्क) के विकास का चार्ट बनाने के लिए 50,000 से अधिक लोगों के डेटा पर नॉर्मेटिव मॉडल प्रशिक्षित किए। ये मॉडल मानसिक और तंत्रिका संबंधी बीमारियों वाले लोगों में व्यक्तिगत अंतरों को सामने लाते हैं।

2023

Regional, circuit and network heterogeneity of brain abnormalities in psychiatric disorders

Nature Neuroscience · शोध-पत्र ·
सारांश

हमने कई मानसिक विकारों में नॉर्मेटिव मॉडल लागू किए और मस्तिष्क के वॉक्सेल, क्षेत्र और नेटवर्क स्तरों पर व्यक्तिगत विचलनों का विश्लेषण किया। नेटवर्क स्तर पर अलग-अलग व्यक्तियों के विचलन आपस में अधिक मेल खाते हैं।

2022

Deep neural networks learn general and clinically relevant representations of the ageing brain

NeuroImage · शोध-पत्र ·
सारांश

हमने मस्तिष्क-आयु (ब्रेन एज) का अनुमान लगाने के लिए 50,000 से अधिक लोगों के डेटा पर एक डीप न्यूरल नेटवर्क प्रशिक्षित किया और उसे नैदानिक पूर्वानुमान के कार्यों में स्थानांतरित किया। इससे पता चलता है कि न्यूरोइमेजिंग में डीप लर्निंग के लिए डेटा का पैमाना मायने रखता है। स्वतंत्र बेंचमार्क में अत्याधुनिक मस्तिष्क-आयु मॉडल के रूप में आँका गया यह मॉडल डोमेन शिफ़्ट के प्रति मज़बूत है, लेकिन मस्तिष्क-आयु की सटीकता और रोग की पहचान के बीच पहले से ज्ञात संतुलन (ट्रेड-ऑफ़) को भी दर्शाता है।

Charting brain growth and aging at high spatial precision

eLife · शोध-पत्र ·
सारांश

हमने 50,000 से अधिक लोगों के डेटा से उच्च स्थानिक सटीकता के साथ मानव मस्तिष्क के नॉर्मेटिव मॉडल तैयार किए। ये मॉडल नए नमूनों पर भी लागू होते हैं और अन्य शोधकर्ताओं के लिए ऑनलाइन निःशुल्क उपलब्ध हैं।

The normative modeling framework for computational psychiatry

Nature Protocols · शोध-पत्र ·
सारांश

हम कम्प्यूटेशनल साइकियाट्री के लिए नॉर्मेटिव मॉडलिंग के सिद्धांतों का वर्णन करते हैं और इस ढाँचे में डेटा का विश्लेषण करने के लिए सुलभ टूल उपलब्ध कराते हैं।

2021

Replicating extensive brain structural heterogeneity in individuals with schizophrenia and bipolar disorder

Human Brain Mapping · शोध-पत्र ·
सारांश

हमने अपने पहले के इस निष्कर्ष की फिर से पुष्टि की कि स्किज़ोफ़्रेनिया और बाइपोलर डिसऑर्डर वाले लोग नॉर्मेटिव मस्तिष्क से विचलन के व्यक्तिगत प्रोफ़ाइल दिखाते हैं। तब से अन्य समूहों ने भी इसकी पुष्टि की है, और यह निष्कर्ष अन्य मानसिक और तंत्रिका संबंधी स्थितियों पर भी लागू होता है।

2019

Individual differences v. the average patient: mapping the heterogeneity in ADHD using normative models

Psychological Medicine · शोध-पत्र ·
सारांश

हमने व्यक्तिगत मरीज़ के स्तर पर ADHD की विषमता का मानचित्रण किया: हर मरीज़ ने नॉर्मेटिव मस्तिष्क से विचलनों का एक अलग प्रोफ़ाइल दिखाया, जिससे स्किज़ोफ़्रेनिया पर हमारा निष्कर्ष और व्यापक हुआ।

2018

Mapping the heterogeneous phenotype of schizophrenia and bipolar disorder using normative models

JAMA Psychiatry · शोध-पत्र ·
सारांश

हमने स्किज़ोफ़्रेनिया और बाइपोलर डिसऑर्डर की विषमता का मानचित्रण किया और पाया कि हर मरीज़ नॉर्मेटिव मस्तिष्क-संरचना से विचलनों का एक व्यक्तिगत प्रोफ़ाइल दिखाता है। मीडिया ने इस निष्कर्ष को "मनोचिकित्सा में औसत मरीज़ कौन है?" के रूप में प्रस्तुत किया, और तब से विभिन्न डेटा मोडैलिटी, एल्गोरिदम और नमूनों में कई बार इसकी पुष्टि हो चुकी है।

2015

From estimating activation locality to predicting disorder: a review of pattern recognition for neuroimaging-based psychiatric diagnostics

Neuroscience & Biobehavioral Reviews · शोध-पत्र ·
सारांश

हमने दिखाया कि मानसिक विकारों के पूर्वानुमान के लिए पैटर्न क्लासिफ़िकेशन की सटीकता नमूने का आकार बढ़ने के साथ घटती है, जो मशीन लर्निंग में आमतौर पर दिखने वाले रुझान के विपरीत है। हम इसका कारण आंशिक रूप से मानसिक विकारों की विषमता को, और आंशिक रूप से अच्छे प्रदर्शन वाले पर प्रतिनिधित्व न करने वाले मॉडलों के पक्ष में प्रकाशन पूर्वाग्रह को मानते हैं। इस काम ने क्रॉस-वैलिडेशन की विफलताओं पर चल रही बहस में योगदान दिया और ऐसी पद्धतियों को प्रेरित किया जो इस विषमता का मानचित्रण करती हैं।