ABOUT THE SPEAKER
Mehdi Ordikhani-Seyedlar - Neuroscientist
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces.

Why you should listen

Mehdi Ordikhani-Seyedlar is a research scientist interested in brain-wave patterns generated by neural activities in the brain. Since embarking on his research on neuroscience, Ordikhani-Seyedlar has been working on different brain functions such as learning, memory, pain and, more recently, visual attention in humans. He also conducted a part of his research on monkeys when he was in Dr. Miguel Nicolelis' lab at Duke University. His findings help implement more accurate brain-machine interfaces to treat people who are suffering from attention deficiency.

After receiving his Ph.D  in Biomedical Engineering, Ordikhani-Seyedlar was offered a postdoctoral position by Duke University to develop algorithms to process large-scale neuronal activity and brain-machine interfaces. However, due to political complications in the United States, Ordikhani-Seyedlar -- an Iranian citizen -- changed his plan to continue his brain research outside the US for some time.

As a passionate neuroscientist and neuroengineer, Ordikhani-Seyedlar's aim is to improve brain pattern detectability in computers. This enhances the ability of brain-machine interfaces substantially to better target the defected brain function which in turn enhances the sustainability of treatment effect.

More profile about the speaker
Mehdi Ordikhani-Seyedlar | Speaker | TED.com
TED2017

Mehdi Ordikhani-Seyedlar: What happens in your brain when you pay attention?

మెహది ఆర్డి ఖాని సెడ్లర్: ఒకదానిపై శ్రద్ధ పెట్టినప్పుడుమీ మెదడులో ఏం జరుగుతుంది

Filmed:
3,083,456 views

శ్రధ్ధ అంటే కేవలం మనం చూసే చూపు మాత్రమే కాదు-మన మెదడు దేనికి ప్రాధాన్యమిస్తుంది అనికూడా.జనం ధ్యాస పెట్టడంవల్ల మెదడులో జరిగే మార్పుల పై పరిశోధన చేస్తున్న కంప్యుటేషనల్ న్యూరో సైంటిస్ట్ మెహది ఆర్డిఖాని సెడ్లర్ మన మెదడును కంప్యూటర్ మరింత దగ్గరగా తేవాలని ఆశిస్తున్నారు.మాట్లాడలేని వారిని ట్రీట్ చేసే విధానాల గురించి నమూనాలను తయారుచేయాలని ఆశిస్తున్నారు.ఈ క్లుప్తమైన ,ఉత్తేజ భరితమైన ఉపన్యాసం విని మరిన్ని విశేషాలను తెలుసుకోండి
- Neuroscientist
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces. Full bio

Double-click the English transcript below to play the video.

00:12
Payingచెల్లించి closeClose attentionదృష్టిని to something:
0
760
2480
ఒక దాని పట్ల శ్రధ్ద పెట్టడం
00:15
Not that easyసులభంగా, is it?
1
3280
1240
అంత సులువేం కాదు అవునా
00:17
It's because our attentionదృష్టిని is pulledలాగి
in so manyఅనేక differentవివిధ directionsఆదేశాలు at a time,
2
5520
5016
మన ఏకాగ్రత ఒకే సమయంలో
అనేక కోణాలలో సంచరిస్తుంది కనుక
00:22
and it's in factనిజానికి prettyచక్కని impressiveఆకట్టుకునే
if you can stayఉండడానికి focusedదృష్టి.
3
10560
4080
మీరు అదే ధ్యాసలో వుంటే
మీమీద గట్టి ముద్ర వేస్తుంది
00:28
Manyఅనేక people think that attentionదృష్టిని
is all about what we are focusingసారించడం on,
4
16360
4056
చాలామంది ఉద్దేశ్యంలో శ్రధ్ద అంటే
దృష్టిని కేంద్రీకరించడమే
00:32
but it's alsoకూడా about what informationసమాచారం
our brainమె ద డు is tryingప్రయత్నిస్తున్న to filterవడపోత out.
5
20440
4800
అంతేకాదు మన మెదడు ఏం
గ్రహించాలనుకుంటున్నది కూడా
00:38
There are two waysమార్గాలు
you directప్రత్యక్ష your attentionదృష్టిని.
6
26320
2720
మీ శ్రధ్దను రెండురకాలుగా సూచించవచ్చు
00:41
First, there's overtబహిరంగ attentionదృష్టిని.
7
29600
1560
మొదటిది ప్రత్యక్షంగా చూపే శ్రధ్ద
00:43
In overtబహిరంగ attentionదృష్టిని,
you moveకదలిక your eyesకళ్ళు towardsవైపు something
8
31640
4136
దీంట్లో దృష్టిని ఒకవైపు కేంద్రీకరిస్తారు
00:47
in orderఆర్డర్ to payచెల్లించటానికి attentionదృష్టిని to it.
9
35800
1560
అవగాహన చేసుకోవడం కోసం
00:50
Then there's covertకోవర్ట్ attentionదృష్టిని.
10
38360
1976
అప్పుడు ప్రఛ్చన్న శ్రధ్ధ వుంటుంది
00:52
In covertకోవర్ట్ attentionదృష్టిని,
you payచెల్లించటానికి attentionదృష్టిని to something,
11
40360
4016
ఇందులో మీరొక దాని పట్ల శ్రధ్ధ చూపుతారు
00:56
but withoutలేకుండా movingకదిలే your eyesకళ్ళు.
12
44400
1560
కానీ దృష్టిని మరల్చకుండానే
ఒక్క క్షణం డ్రైవింగ్ ను
గుర్తుకు తెచ్చుకోండి
00:59
Think of drivingడ్రైవింగ్ for a secondరెండవ.
13
47040
1640
01:02
Your overtబహిరంగ attentionదృష్టిని,
your directionదిశ of the eyesకళ్ళు,
14
50960
3016
మీ దృష్టి, కంటి చూపు రెండూ
01:06
are in frontముందు,
15
54000
1656
ముందువైపుకే వుంటాయి
01:07
but that's your covertకోవర్ట్ attentionదృష్టిని
16
55680
1776
అదే మీ కోవర్ట్ అటెన్షన్
01:09
whichఇది is constantlyనిరంతరం scanningస్కానింగ్
the surroundingపరిసర areaప్రాంతం,
17
57480
3080
అది నిరంతరాయంగా పరిసరాలను
గమనిస్తూనే వుంటుంది
01:13
where you don't actuallyనిజానికి look at them.
18
61600
1880
మీరు నిజానికి ఆ వైపు చూడకున్నా
01:17
I'm a computationalగణన neuroscientistన్యూరోసైంటిస్టు,
19
65519
1937
నేనొక కంప్యూటేషనల్ న్యూరో సైంటిస్ట్ ను
01:19
and I work on cognitiveఅభిజ్ఞా
brain-machineమెదడు-యంత్రం interfacesఇంటర్ఫేస్లు,
20
67480
3096
మెదడు అనే మెషీన్ యొక్క చర్యలను
పరిశీలిస్తూ వుంటాను
01:22
or bringingతీసుకురావడంలో togetherకలిసి
the brainమె ద డు and the computerకంప్యూటర్.
21
70600
3040
మెదడు ను, కంప్యూటర్ అనుసంధానం
చేయడానికి ప్రయత్నిస్తుంటాను
01:26
I love brainమె ద డు patternsనమూనాలను.
22
74720
1600
మెదడు చేసే విన్యాసాలు నాకిష్టం
01:28
Brainమెదడు patternsనమూనాలను are importantముఖ్యమైన for us
23
76720
1696
ఈ విన్యాసాలు మనకెంతో ముఖ్యమైనవి
01:30
because basedఆధారిత on them
we can buildనిర్మించడానికి modelsనమూనాలు for the computersకంప్యూటర్లు,
24
78440
3496
ఎందుకంటే వాటి ఆధారంగా మనం కంప్యూటర్ లో
క్రొత్త రకాలు సృష్టించవచ్చు
01:33
and basedఆధారిత on these modelsనమూనాలు
25
81960
1416
వీటి ఆధారంగా
01:35
computersకంప్యూటర్లు can recognizeగుర్తించని
how well our brainమె ద డు functionsవిధులు.
26
83400
4216
కంప్యూటర్లు మెదడు విధులను గుర్తించవచ్చు
01:39
And if it doesn't functionఫంక్షన్ well,
27
87640
1600
ఒకవేళ అది సరిగ్గా పనిచేయకుంటే
01:42
then these computersకంప్యూటర్లు themselvesతాము
can be used as assistiveసహాయక devicesపరికరాల
28
90080
3920
అప్పుడీ కంప్యూటర్లను మనకు అసిస్టెంట్లుగా
ఉపయోగించుకోవచ్చు
01:46
for therapiesచికిత్సలు.
29
94760
1200
చికిత్స కోసం
01:48
But that alsoకూడా meansఅంటే something,
30
96480
1640
కానీ దానికో ఉద్దేశ్యం వుంది
01:51
because choosingఎంచుకోవడం the wrongతప్పు patternsనమూనాలను
31
99360
2496
సరైన ప్యాటర్నులను ఎంచుకోకుంటే
01:53
will give us the wrongతప్పు modelsనమూనాలు
32
101880
1896
తప్పు నమూనాలు ఏర్పడుతాయి
01:55
and thereforeఅందువలన the wrongతప్పు therapiesచికిత్సలు.
33
103800
1656
దాంతో చికిత్సలో లోపాలు వస్తాయి
01:57
Right?
34
105480
1200
అవునా ?
01:59
In caseకేసు of attentionదృష్టిని,
35
107640
1656
ఏకాగ్రత విషయంలో
02:01
the factనిజానికి that we can
36
109320
1280
నిజమేంటంటే మనం
02:03
shiftమార్పు our attentionదృష్టిని not only by our eyesకళ్ళు
37
111800
3496
మన దృష్టిని మరల్చుకోవచ్చు,కళ్లతో బాటు
02:07
but alsoకూడా by thinkingఆలోచిస్తూ --
38
115320
1320
ఆలోచనల ద్వారా కూడా
02:09
that makesతయారీలను covertకోవర్ట్ attentionదృష్టిని
an interestingఆసక్తికరమైన modelమోడల్ for computersకంప్యూటర్లు.
39
117440
4080
అది కోవర్ట్ అటెన్షన్ ను కంప్యూటర్లకు
పనికొచ్చేఆసక్తికర నమూనాగా మర్చేస్తుంది
02:14
So I wanted to know
what are the brainwaveలోని లోపాల్లో మరొకటి patternsనమూనాలను
40
122280
3456
అందువల్ల నేను మెదడు తరంగాల విన్యాసాలను
తెలుసుకోవాలనుకుంటున్నాను
02:17
when you look overtlyస్నేహపూర్వకంగా అభ్యంతరానికి
or when you look covertlyమౌఖకంగా.
41
125760
3680
ఓవర్ట్ గా, లేదా కోవర్ట్ గా మీరు చూస్తే
02:22
I setసెట్ up an experimentప్రయోగం for that.
42
130440
1760
నేనొక ప్రయోగాన్ని సిధ్దం చేసాను.
02:24
In this experimentప్రయోగం
there are two flickeringఫ్లిక్కరింగ్ squaresచతురస్రాలు,
43
132960
2736
ఇందులో మెరిసే చతురస్రాలు రెండుంటాయి
02:27
one of them flickeringఫ్లిక్కరింగ్
at a slowerనెమ్మదిగా rateరేటు than the other one.
44
135720
3360
అందులో ఒకటి రెండోదాని కన్నా
నిదానంగా మెరుస్తుంది
02:32
Dependingబట్టి on whichఇది of these flickersఫ్లిక్కర్
you are payingచెల్లించి attentionదృష్టిని to,
45
140600
3816
అది మీరు దృష్టి పెట్టే దానిపై
ఆధారపడి వుంటుంది
02:36
certainకొన్ని partsభాగాలు of your brainమె ద డు
will startప్రారంభం resonatingవుంటారు in the sameఅదే rateరేటు
46
144440
3960
మీ మెదడులో కొన్ని భాగాలు అదే వేగంతో
ప్రతిస్పందించడం మొదలౌతుంది
02:41
as that flickeringఫ్లిక్కరింగ్ rateరేటు.
47
149200
1440
ఆ మెరిసే వేగంతోనే
02:44
So by analyzingవిశ్లేషిస్తున్నారు your brainమె ద డు signalsసిగ్నల్స్,
48
152000
2936
మీ మెదడు ప్రతిస్పందనల్ని
విశ్లేషించడంద్వారా
02:46
we can trackట్రాక్ where exactlyఖచ్చితంగా
you are watchingచూడటం
49
154960
3040
మీరేం చూస్తున్నారో సరిగ్గా తెలుసుకోగలం
02:50
or you are payingచెల్లించి attentionదృష్టిని to.
50
158760
1560
లేదా మీ దృష్టి ఎటుందో అటు
02:55
So to see what happensజరుగుతుంది in your brainమె ద డు
when you payచెల్లించటానికి overtబహిరంగ attentionదృష్టిని,
51
163000
4216
దాంతో ఓవర్ట్ అటెన్షన్ లో వున్నప్పుడు
మీ మెదడులో ఏం జరుగుతుందో చూడొచ్చు
02:59
I askedకోరారు people to look directlyనేరుగా
in one of the squaresచతురస్రాలు
52
167240
3256
నేను జనాలతో ఒక చతురస్రాన్ని
నేరుగా చూడమని చెప్పాను
03:02
and payచెల్లించటానికి attentionదృష్టిని to it.
53
170520
1280
శ్రధ్దగా చూడమని చెప్పాను
03:04
In this caseకేసు, not surprisinglyఆశ్చర్యకరంగా,
we saw that these flickeringఫ్లిక్కరింగ్ squaresచతురస్రాలు
54
172760
5296
ఈ కేసులో మేం అనుకున్నట్టుగానే మెరిసే
చతురస్రాలను చూసాము
03:10
appearedకనిపించిన in theirవారి brainమె ద డు signalsసిగ్నల్స్
55
178080
1936
అవి మెదడు సంకేతాలలో కన్పించాయి
03:12
whichఇది was comingవచ్చే
from the back of theirవారి headతల,
56
180040
2360
అవి తల వెనుకభాగంలో నుండి వస్తున్నాయి
03:15
whichఇది is responsibleబాధ్యత for the processingప్రాసెసింగ్
of your visualదృశ్య informationసమాచారం.
57
183560
3400
అవే దృశ్యాని మీ కందజేయడానికి కారకులు
03:20
But I was really interestedఆసక్తి
58
188280
2336
కానీ నాకు ఆసక్తి కలిగించేది
03:22
to see what happensజరుగుతుంది in your brainమె ద డు
when you payచెల్లించటానికి covertకోవర్ట్ attentionదృష్టిని.
59
190640
3160
కోవర్ట్ అటెన్షన్ లో వుంటే మీ మెదడులో
ఏం మార్పులు జరుగుతాయో తెలుసుకోవడం
03:26
So this time I askedకోరారు people
to look in the middleమధ్య of the screenస్క్రీన్
60
194480
3896
ఈ సారి నేను జనాల్ని తెరమధ్యకి చూడమన్నాను
03:30
and withoutలేకుండా movingకదిలే theirవారి eyesకళ్ళు,
61
198400
1880
కళ్ళను తిప్పకుండా
03:33
to payచెల్లించటానికి attentionదృష్టిని
to eitherగాని of these squaresచతురస్రాలు.
62
201120
2720
చతురస్రాల్లో ఒకదానిపై దృష్టి పెట్టమన్నాను
03:37
When we did that,
63
205120
1616
అలా చేసినప్పుడు
03:38
we saw that bothరెండు of these flickeringఫ్లిక్కరింగ్ ratesరేట్లు
appearedకనిపించిన in theirవారి brainమె ద డు signalsసిగ్నల్స్,
64
206760
3936
ఈ రెండు వేగాల్లోని తేడాలు మేము వారి
మెదడు సంకేతాలలో చూడగలిగాము
03:42
but interestinglyఆసక్తికరంగా,
65
210720
1200
ఆసక్తికరమైన విషయమేంటంటే
03:44
only one of them,
whichఇది was paidచెల్లించిన attentionదృష్టిని to,
66
212640
3536
అందులో దృష్టి పెట్టింది ఒక్కటే
03:48
had strongerబలమైన signalsసిగ్నల్స్,
67
216200
1656
స్థిరమైన సంకేతాలనిచ్చింది
03:49
so there was something in the brainమె ద డు
68
217880
2256
అంటే మెదడుచర్యలలో ఏదో ఉంది
03:52
whichఇది was handlingనిర్వహణ this informationసమాచారం
69
220160
2536
అదే ఈ సమాచారాన్ని క్రోడీకరిస్తుంది
03:54
so that thing in the brainమె ద డు was basicallyప్రాథమికంగా
the activationయాక్టివేషన్ of the frontalనుదుటి areaప్రాంతం.
70
222720
6200
మెదడులోని ఆ భాగమేముందటి
భాగాలను ఉత్తేజపరుస్తున్నది
04:02
The frontముందు partభాగం of your brainమె ద డు
is responsibleబాధ్యత
71
230440
2976
మీ మెదడులోని మందరిభాగమే కారణం
04:05
for higherఉన్నత cognitiveఅభిజ్ఞా functionsవిధులు as a humanమానవ.
72
233440
2880
మీ ప్రవర్తనా రీతులకు
04:09
The frontalనుదుటి partభాగం,
it seemsతెలుస్తోంది that it worksరచనలు as a filterవడపోత
73
237160
4440
ఈ ముందరి భాగమే ఒక ఫిల్టర్ లా పనిచేస్తుంది
04:14
tryingప్రయత్నిస్తున్న to let informationసమాచారం come in
only from the right flickerమెరుపును
74
242640
4376
సరైన ఫ్లికర్ ద్వారానే సమాచారాన్ని
అందుకునేలా చేస్తున్నది
04:19
that you are payingచెల్లించి attentionదృష్టిని to
75
247040
1640
అదే మీరు దృష్టి పెట్టేది
04:21
and tryingప్రయత్నిస్తున్న to inhibitనిరోధించడంలో the informationసమాచారం
comingవచ్చే from the ignoredనిర్లక్ష్యం one.
76
249400
3960
అశ్రద్ద చేసిన దాన్నుంచి వచ్చే సమాచారాన్ని
అడ్డుకోడానికి ప్రయత్నిస్తుంది
04:27
The filteringవడపోత abilityసామర్థ్యాన్ని of the brainమె ద డు
is indeedనిజానికి a keyకీ for attentionదృష్టిని,
77
255400
5296
మెదడుకున్న ఈ వడపోత సామర్థ్యం
మన ఏకాగ్రతలో ముఖ్యమైన అంశం
04:32
whichఇది is missingతప్పిపోయిన in some people,
78
260720
2776
అదే కొందరిలో లోపిస్తుంది
04:35
for exampleఉదాహరణ in people with ADHDADHD.
79
263520
2480
ఉదా. ADHD ఉన్న జనాలు
04:38
So a personవ్యక్తి with ADHDADHD
cannotకాదు inhibitనిరోధించడంలో these distractorsమళ్ళే దారులు,
80
266640
5016
ఈ ADHD ఉన్న వ్యక్తులు వీటిని నిరోధించలేరు
04:43
and that's why they can't focusదృష్టి
for a long time on a singleఒకే taskపని.
81
271680
4760
అందువల్లనే వారొకే విషయంపై
ఎక్కువసేపు దృష్టి నిలపలేరు
04:49
But what if this personవ్యక్తి
82
277600
1536
అయితే ఇదే వ్యక్తి
04:51
could playప్లే a specificనిర్దిష్ట computerకంప్యూటర్ gameగేమ్
83
279160
3536
ఒక కంప్యూటర్ గేం ను ఆడగలడు
04:54
with his brainమె ద డు connectedకనెక్ట్ to the computerకంప్యూటర్,
84
282720
2880
అతని మెదడును కంప్యూటర్ తో అనుసంధానిస్తే
04:58
and then trainరైలు his ownసొంత brainమె ద డు
85
286440
2120
అతని మెదడుకు శిక్షణ ఇవ్వడం ద్వారా
05:01
to inhibitనిరోధించడంలో these distractorsమళ్ళే దారులు?
86
289360
2440
ఈ ఆటంకాలను నిరోధించవచ్చునా?
05:05
Well, ADHDADHD is just one exampleఉదాహరణ.
87
293680
2480
ADHD కేవలం ఒక ఉదాహరణ మాత్రమే
05:09
We can use these cognitiveఅభిజ్ఞా
brain-machineమెదడు-యంత్రం interfacesఇంటర్ఫేస్లు
88
297200
3256
మనం వీటిని వాడుకోవచ్చు
05:12
for manyఅనేక other cognitiveఅభిజ్ఞా fieldsఖాళీలను.
89
300480
2200
మరెన్నో రంగాలలో
05:15
It was just a fewకొన్ని yearsసంవత్సరాల agoక్రితం
90
303760
1776
కేవలం కొన్ని సంవత్సరాల క్రితం
05:17
that my grandfatherతాత had a strokeస్ట్రోక్,
and he lostకోల్పోయిన completeపూర్తి abilityసామర్థ్యాన్ని to speakమాట్లాడటం.
91
305560
5720
మా తాతగారికి గుండెనొప్పి వచ్చింది.
మాట్లాడే నైపుణ్యాన్ని కోల్పోయాడు
05:24
He could understandఅర్థం everybodyఅందరూ,
but there was no way to respondస్పందిస్తారు,
92
312640
3336
అందరు చెప్పేది అర్థం అయ్యేది,కానీ
బదులు చెప్పలేకపోయేవాడు
05:28
even not writingరచన
because he was illiterateనిరక్షరాస్యులైన.
93
316000
2480
ఆయన నిరక్షరాస్యుడు,అందువల్లరాయడం రాదు
05:32
So he passedజారీ away in silenceనిశ్శబ్దం.
94
320000
2520
అలా ఆయన నిశ్శబ్దం లోనే మరణించాడు
05:36
I rememberగుర్తు thinkingఆలోచిస్తూ at that time:
95
324800
2336
అప్పుడు నేనిలా ఆలోచించాను
05:39
What if we could have a computerకంప్యూటర్
96
327160
3896
మనకో కంప్యూటర్ గనక ఉంటే
05:43
whichఇది could speakమాట్లాడటం for him?
97
331080
1360
ఆయన కోసం మాట్లాడగలిగితే
అనుకున్నాను
05:45
Now, after yearsసంవత్సరాల that I am in this fieldఫీల్డ్,
98
333840
2216
ఇంతకాలం తర్వాత నేనీ రంగంలో ఉన్నాను
05:48
I can see that this mightఉండవచ్చు be possibleసాధ్యం.
99
336080
2320
ఇప్పుడు అది సాధ్యం అని నాకనిపిస్తుంది
మనం మెదడు తరంగాల
విన్యాసాలను గుర్తించగలిగితే
05:52
Imagineఊహించలేదు if we can find brainwaveలోని లోపాల్లో మరొకటి patternsనమూనాలను
100
340240
2856
05:55
when people think
about imagesచిత్రాలు or even lettersఅక్షరాలు,
101
343120
3440
జనాలు చిత్రాలను,అక్షరాలను
గురించి ఆలోచిస్తే
05:59
like the letterలేఖ A generatesఉత్పత్తి
a differentవివిధ brainwaveలోని లోపాల్లో మరొకటి patternనమూనా
102
347720
2936
అంటే A అనే అక్షరం ఒక
ప్రత్యేక విన్యాసాన్నిప్రదర్శిస్తే
06:02
than the letterలేఖ B, and so on.
103
350680
1720
అలాగే B వంటి మిగతా అక్షరాలుకూడా
06:04
Could a computerకంప్యూటర్ one day
communicateకమ్యూనికేట్ for people who can't speakమాట్లాడటం?
104
352960
3680
మాట్లాడలేని వారి కోసం ఒకరోజున
కంప్యూటర్ మాట్లాడగలదు
06:09
What if a computerకంప్యూటర్
105
357640
1440
ఒక కంప్యూటర్ గనుక
06:11
can help us understandఅర్థం
the thoughtsఆలోచనలు of a personవ్యక్తి in a comaకోమాలోకి?
106
359960
4560
కోమాలో ఉన్న వ్యక్తి ఆలోచనలను
అర్థం చేసుకోవడంలో మనకు సహకరిస్తే
06:17
We are not there yetఇంకా,
107
365840
1616
మనమింకా అక్కడిదాకా రాలేదు
06:19
but payచెల్లించటానికి closeClose attentionదృష్టిని.
108
367480
2736
కానీ కొంచెం శ్రధ్ధతో ప్రయత్నిస్తే
06:22
We will be there soonత్వరలో.
109
370240
1696
మనం చేరుకోగలం
06:23
Thank you.
110
371960
1496
కృతజ్ఞతలు
06:25
(Applauseప్రశంసలను)
111
373480
5632
( కరతాళ ధ్వనులు )
Translated by vijaya kandala
Reviewed by Samrat Sridhara

▲Back to top

ABOUT THE SPEAKER
Mehdi Ordikhani-Seyedlar - Neuroscientist
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces.

Why you should listen

Mehdi Ordikhani-Seyedlar is a research scientist interested in brain-wave patterns generated by neural activities in the brain. Since embarking on his research on neuroscience, Ordikhani-Seyedlar has been working on different brain functions such as learning, memory, pain and, more recently, visual attention in humans. He also conducted a part of his research on monkeys when he was in Dr. Miguel Nicolelis' lab at Duke University. His findings help implement more accurate brain-machine interfaces to treat people who are suffering from attention deficiency.

After receiving his Ph.D  in Biomedical Engineering, Ordikhani-Seyedlar was offered a postdoctoral position by Duke University to develop algorithms to process large-scale neuronal activity and brain-machine interfaces. However, due to political complications in the United States, Ordikhani-Seyedlar -- an Iranian citizen -- changed his plan to continue his brain research outside the US for some time.

As a passionate neuroscientist and neuroengineer, Ordikhani-Seyedlar's aim is to improve brain pattern detectability in computers. This enhances the ability of brain-machine interfaces substantially to better target the defected brain function which in turn enhances the sustainability of treatment effect.

More profile about the speaker
Mehdi Ordikhani-Seyedlar | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee