Zur Vorbereitung auf das Seminar gibt es eine Phase des Selbststudiums (~20 Stunden). Die Inhalte des Selbststudiums sind für die ersten beiden Seminartage wichtig. Bitte stellt daher sicher, dass ihr genug Zeit für die Erarbeitung der Inhalte einplant. Zur gegenseitigen Unterstützung werden Lerntandems gebildet. Weiterhin stehen wir jederzeit in Mattermost für Fragen bereit.
Die Vorbereitung unterteilt sich in vier Themenblöcke:
Um Grundverständnis für das Thema zu bekommen, starten wir mit einer Einführung in Machine Learning und Neuronale Netze, die als digitale Lerninhalte auf dem KI-Campus zur Verfügung stehen. Für die Personen, die schon Erfahrungen durch vorherige Kurse mitbringen, können diese Kurse helfen eine kurze Auffrischung und einen Überblick über die Anwendungen im medizinischen Bereich zu bekommen. In Teil 1 des Dr. Med KI geht es nochmal um die ML-Basics, in Teil 2 mehr um die Anwendung im medizinischen Bereich. Ihr werdet hier keine fancy Mathematik finden, dafür aber kurz und bündig was es zu wissen gilt.
Um die Inhalte zu sehen müsst ihr euch einen Account auf der KI-Campus Seite anlegen. Mit dem Account könnt ihr dann nach dem Seminar auch weitere Inhalte des KI-Campus besuchen. Es sind einige sehr spannende Themen dabei.
Bei Fragen zu KI-Campus oder technischen Problemen mit der Anmeldung meldet euch bei Johannes oder Robert.
Folgende Fragen solltet ihr nach dem durcharbeiten der Inhalte auf alle Fälle beantworten können:
Als Einführung in das Seminarthema sollt ihr einmal das Suvey Paper von Roy et al. - Deep learning-based electroencephalography analysis: a systematic review durcharbeiten. Das Paper ist recht lang und eine Übersicht über die bereits vorhandene Literatur. Das ist gut um einen Überblick über die wesentlichen Anwendungsgebiete zu kommen. Gleichzeitig ist das Paper von 2019 und dementsprechend, in einem so jungen Forschungsbereich, doch schon recht alt. Unabhängig davon, solltet ihr das Paper aufmerksam lesen.
Um euch den Einstieg in den Bereich EEG zu erleichtern, sind hier noch 2 Quellen, die ein paar Grundlagen zusammenfassen. Unsere 1. Quelle ist der, ins pdf Format formatierte, Wikipedia Artikel zum Thema EEG. Ein Professor der Rice University in den USA hat den seinen Studenten gegeben - so schlecht kann der Artikel also nicht sein ;). Ihr könnt aber genauso gut den original Artikel auf Wikipedia (aber in Englisch!) nutzen, da findet ihr auch mehr Abbildungen. Die 2. Quelle stammt von den Autoren, die eines der Standardwerke im Bereich EEG geschrieben haben. Wir hoffen, dass euch das hilft, die physikalischen Grundlagen sowie Anwendungen des EEG zu verstehen.
Folgende Fragen können euch helfen euer Verständnis für das Paper zu reflektieren:
Es gibt natürlich noch mehr Fragen, allerdings sollte das für den Einstieg reichen. Viel Spaß beim Lesen!
Wir haben schon eine Übersicht über die möglichen Kurzprojekte des Seminars erstellt.
In der initialen Selbststudiumsphase geht es noch nicht darum die Projekte zu lösen, vielmehr wollen wir, dass ihr euch einen ersten Überblick über die Projekte verschafft. Hierfür empfehlen wir euch die Projektbeschreibungen, sowie die Abstrakts der referenzierenten Paper durchzugehen. So könnt ihr für euch schon einmal eine Präferenz festlegen. Ihr findet die Projekte im Schedule in der Projektphase.
Im Seminar und in der Projektphase werden wir mit Google Colab arbeiten. Für die Benutzung von Colab braucht ihr einen Google Account. Wir haben im Repo ein Notebook für euch freigegeben. Dort findet ihr nochmal ein paar Grundlagen zu Python als auch zu PyTorch. Solltet ihr keine Erfahrungen mit Python oder Pytorch haben, empfehlen wir sehr dieses Notebook durchzuarbeiten, die kleinen Übungsaufgaben zu lösen und selbst etwas auszuprobieren. Kleinere Fragen können auch wir gerne beantworten, allerdings dient das Seminar nicht dazu, “Deep Learning zu lernen” oder eine Einführung in Python zu bekommen - da seid ihr selbst gefragt (und es gibt eine Menge an gutem Material im Internet). Das Tutorial findet ihr hier.
Neben Python und PyTorch kommen noch die Bibliotheken MNE und Braindecode zum Einsatz. Damit euch die Flut an APIs und Tutorials auf den Websiten nicht überrollt, werden wir euch im Seminar eine kleine Einführung geben. Für MNE wird es im wesentlichen um das Data Handling gehen. Für Braindecode gehen wir gemeinsam durch eines der Tutorials und schauen uns an, was man mit den Datasets und anderen Sachen so machen kann. Das wird voraussichtlich alles im ersten Seminarteil passieren. Wir werden die Notebooks dann auch später noch zum einem Repository hinzufügen, so dass ihr immer wieder reinschauen könnt. Hier findet ihr schon mal die Links zu den beiden Bibliotheken: