Hulp bij PWS over AI + hersenanalyse(forensisch)
-
Hoi!
Mijn naam is Patricia Santegoets, ik zit in 5 vwo en ik werk dit jaar aan mijn profielwerkstuk (PWS). Mijn onderwerp draait om het gebruik van AI om hersensignalen (EEG) te analyseren met als doel een tijdlijn van gebeurtenissen te reconstrueren – bijvoorbeeld: eerst valt iemand, daarna schreeuwt die persoon.
Het idee is dat je met AI kunt achterhalen wat er precies is gebeurd vlak voor iemands overlijden, om zo forensische autopsies betrouwbaarder te maken.
Ik ben nog niet echt begonnen, omdat ik simpelweg geen goede basis heb om op verder te bouwen. Ik wil de AI zelf in Python opbouwen vanaf nul – dus zonder kant-en-klare frameworks als TensorFlow of Keras. Mijn doel is om te begrijpen hoe zo’n AI werkt, en een zelf een AI ontwerpen & trainen. Maar ik loop vast bij het starten: hoe ontwerp je een AI die hersenactiviteit kan koppelen aan bepaalde gebeurtenissen?
Zou jij mij misschien kunnen helpen met wat uitleg of richting? Bijvoorbeeld door mee te denken over:
-Hoe je zo’n AI het beste kunt opbouwen
-Wat een haalbare aanpak is voor EEG-analyse op middelbare schoolniveau
-Hoe ik mijn eerste prototype kan testen of trainen
Alle hulp – klein of groot – zou echt superveel voor me betekenen!
Alvast ontzettend bedankt voor je tijd :)
Met vriendelijke groet,
Patricia Santegoets -
Beste @P__P,
Wat leuk dat je hiermee bezig bent! Het wordt wel een hele opgave om dit voor elkaar te krijgen.
Voor je eerste AI model is het eigenlijk nodig om een heel robuuste dataset te hebben. Daarom zou ik aanraden dat je eerst op zoek gaat naar een EEG set waarin alle deelnemers precies dezelfde evenement ervaren. Denk bijvoorbeeld aan iets als "deelnemers verkeren in rust totdat op tijdstip X ze een pijnprikkel ondergaan". Het is haalbaarder om een model te bouwen dat een binaire voorspelling maakt.
Dus "ervaart deze persoon op dit tijdsinterval wel of niet een pijnprikkel".
Wanneer je een model hebt gebouwd dat een binaire voorspelling kan maken, kan je deze natuurlijk uitbreiden tot meer factoren.
Ik zou de python library SKlearn gebruiken om te beginnen. Persoonlijk vind ik een Random Forest Classifier model het beste model om als eerste bouwen, omdat het uitstekende performance kan hebben, terwijl het nog "explainable and interpretable" is.Heb je al wat ervaring met programmeren in python?
M.v.g
Tadjiro Velzel -
Beste Tadjiro Velzel,
Heel erg bedankt voor je uitgebreide reactie!Ik ben inderdaad van plan om mijn AI in drie lagen op te bouwen, en precies zoals je zegt: ik wil beginnen met bestaande open EEG-datasets (zoals pijnprikkels, visuele triggers, etc.) om mijn model te trainen. Als dat goed loopt, wil ik later mijn eigen simpele dataset toevoegen(voor het testen van mijn AI) met behulp van een EEG-onderzoek die ik zelf(indien mogelijk) ga uitvoeren en dat zullen eenvoudige handelingen zijn zoals arm bewegen of lopen.
Ik had zelf eerst gedacht aan een neurale netwerk (bijvoorbeeld via Tensorflow/Keras), maar jouw suggestie van een Random Forest met SKlearn is misschien wel beter voor een eerste fase. Goed dat het ook uitlegbaar blijft, dat is fijn voor mijn verslag en presentatie.
Ik heb nul ervaring met programmeren, wat het nogal lastig maakt, maar ik volg sinds nu om de week een workshop programmeren.
Als je nog verdere tips hebt over bijvoorbeeld goede (open) EEG-datasets of preprocessing van zulke signalen, hoor ik het echt heel graag! 🙏
Met vriendelijke groet,
Patricia Santegoets
