报告摘要：神经调控是指利用外界刺激信号（例如光、电、磁场、超声、化学等信号）对大脑中枢神经系统、周围神经系统和自主神经系统进行调控，通过调节神经元或神经网络的信号传递使其发挥兴奋或抑制等调节作用，从而达到改善大脑神经功能、抑制神经系统疾病发作等目的。目前，神经调控技术大多采用一种预先制定好的开环刺激策略，缺乏一套理论驱动来指导神经调控，即无法进行自适应调整刺激靶点和刺激策略。在本报告中，我将围绕控制理论在神经调控中优化模型，提出数据驱动和模型驱动的模型，阐述如何基于计算建模对靶点脑区、输入序列进行优化选择。最终，我们尝试探讨如何为神经调控提供理论、模型与实验支持，促进神经调控在脑疾病治疗、脑功能调控中的应用。

报告人简介： 刘泉影，南方科技大学生物医学工程系助理教授、博导、神经计算与控制实验室PI。长期从事多模态神经信号处理、神经计算建模、类脑智能算法研究。发展了高通道脑电分析算法，解决脑电溯源精度不高、位置不准、静息态脑网络无法有效提取的问题；提出基于脑科学先验知识的深度学习模型，提出具有脑功能连接结构的类脑图卷积网络，致力于解决深度学习在脑科学应用中数据不足、深度学习模型中脑科学先验缺失、模型可解释性不强的问题。至今，发表SCI/EI论文超过50篇，包括Neuroimage, Hum. Brain Mapp., Neural Netw., Int. J. Neural Syst., J. Neural Eng.等领域顶级杂志，Google Scholar上显示总引用次数超过1400次；申请专利8项；受邀担任IEEE期刊IEEE J TRANSL ENG HE副主编、中国生物医学工程学会医学人工智能专委会青年委员、深圳市电子学会新一代人工智能专委会秘书；主持国家级项目2项、省部级项目1项、深圳市项目3项。