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?

Μεχντί Ορντικχάνι - Σέιεντλαρ: Τι συμβαίνει στον εγκέφαλο σας όταν συγκεντρώνεστε;

Filmed:
3,083,456 views

Η προσοχή δεν έχει να κάνει μόνο με το που εστιάζουμε, αλλά και με το τι φιλτράρουν οι εγκέφαλοί μας. Ερευνώντας τις διεργασίες που συμβαίνουν στον εγκέφαλο ανθρώπων που προσπαθούν να συγκεντρωθούν, ο ειδικός υπολογιστικής νευροεπιστήμης Μεχντί Ορντικχάνι-Σέιεντλαρ ελπίζει να φέρει τον εγκέφαλο και τον υπολογιστή πιο κοντά, κατασκευάζοντας μοντέλα που μπορούν να χρησιμοποιηθούν για την αντιμετώπιση της διαταραχής ελλειμματικής προσοχής και υπερκινητικότητας, και να βοηθήσει εκείνους που έχουν χάσει την ικανότητα επικοινωνίας. Μάθετε περισσότερα για αυτή την ενδιαφέρουσα επιστήμη σε αυτήν τη σύντομη και συναρπαστική ομιλία.
- 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
PayingΠληρωμή closeΚοντά attentionπροσοχή to something:
0
760
2480
Η εστίαση της προσοχής σε κάτι.
00:15
Not that easyεύκολος, is it?
1
3280
1240
Δεν είναι εύκολη, σωστά;
00:17
It's because our attentionπροσοχή is pulledτράβηξε
in so manyΠολλά differentδιαφορετικός directionsκατευθύνσεις at a time,
2
5520
5016
Αυτό συμβαίνει επειδή η προσοχή μας
εστιάζεται σε πολλά πράγματα ταυτόχρονα,
00:22
and it's in factγεγονός prettyαρκετά impressiveΕΝΤΥΠΩΣΙΑΚΟ
if you can stayδιαμονή focusedεστιασμένη.
3
10560
4080
και είναι πραγματικά εντυπωσιακό
άμα μπορείτε να μείνετε συγκεντρωμένοι.
00:28
ManyΠολλά people think that attentionπροσοχή
is all about what we are focusingεστίαση on,
4
16360
4056
Πολλοί πιστεύουν ότι η συγκέντρωση
έχει να κάνει μόνο με το τι προσέχουμε,
00:32
but it's alsoεπίσης about what informationπληροφορίες
our brainεγκέφαλος is tryingπροσπαθεί to filterφίλτρο out.
5
20440
4800
αλλά έχει να κάνει και με τις πληροφορίες
που ο εγκέφαλός μας φιλτράρει.
00:38
There are two waysτρόπους
you directαπευθείας your attentionπροσοχή.
6
26320
2720
Υπάρχουν δύο τρόποι να κατευθύνετε
την προσοχή σας.
00:41
First, there's overtφανερός attentionπροσοχή.
7
29600
1560
Πρώτον, υπάρχει η φανερή προσοχή.
00:43
In overtφανερός attentionπροσοχή,
you moveκίνηση your eyesμάτια towardsπρος something
8
31640
4136
Σ' αυτήν, μετακινείτε τα μάτια σας
προς το αντικείμενο
00:47
in orderΣειρά to payπληρωμή attentionπροσοχή to it.
9
35800
1560
για να εστιάσετε σ' αυτό.
00:50
Then there's covertσυγκεκαλυμμένη attentionπροσοχή.
10
38360
1976
Δεύτερον, υπάρχει η συγκαλυμμένη προσοχή.
00:52
In covertσυγκεκαλυμμένη attentionπροσοχή,
you payπληρωμή attentionπροσοχή to something,
11
40360
4016
Σ' αυτήν, συγκεντρώνεστε σε κάτι
00:56
but withoutχωρίς movingκίνηση your eyesμάτια.
12
44400
1560
χωρίς όμως να μετακινείτε τα μάτια.
00:59
Think of drivingοδήγηση for a secondδεύτερος.
13
47040
1640
Σκεφτείτε για λίγο την οδήγηση.
01:02
Your overtφανερός attentionπροσοχή,
your directionκατεύθυνση of the eyesμάτια,
14
50960
3016
Η φανερή προσοχή σας,
η κατεύθυνση των ματιών σας,
01:06
are in frontεμπρός,
15
54000
1656
είναι μπροστά,
01:07
but that's your covertσυγκεκαλυμμένη attentionπροσοχή
16
55680
1776
αλλά είναι η συγκαλυμμένη προσοχή
01:09
whichοι οποίες is constantlyσυνεχώς scanningέρευνα
the surroundingπεριβάλλων areaπεριοχή,
17
57480
3080
που σκανάρει συνέχεια τη γύρω περιοχή,
01:13
where you don't actuallyπράγματι look at them.
18
61600
1880
που στην ουσία, εσείς δεν βλέπετε.
Είμαι ειδικός υπολογιστικής νευροεπιστήμης
01:17
I'm a computationalυπολογιστική neuroscientistΝευρολόγος,
19
65519
1937
01:19
and I work on cognitiveγνωστική
brain-machineεγκέφαλος-μηχανών interfacesδιεπαφές,
20
67480
3096
και δουλεύω πάνω σε νοητικές διεπαφές
εγκεφάλου-υπολογιστή,
01:22
or bringingφέρνοντας togetherμαζί
the brainεγκέφαλος and the computerυπολογιστή.
21
70600
3040
ή αλλιώς στο πώς να φέρουμε πιο κοντά
τον εγκέφαλο με τον υπολογιστή.
01:26
I love brainεγκέφαλος patternsσχέδια.
22
74720
1600
Αγαπώ τις εγκεφαλικές διατάξεις.
Οι διατάξεις αυτές είναι σημαντικές,
01:28
BrainΕγκεφάλου patternsσχέδια are importantσπουδαίος for us
23
76720
1696
01:30
because basedμε βάση on them
we can buildχτίζω modelsμοντέλα for the computersΥπολογιστές,
24
78440
3496
διότι με βάση αυτές μπορούμε
να φτιάξουμε υπολογιστικά μοντέλα,
01:33
and basedμε βάση on these modelsμοντέλα
25
81960
1416
και βασιζόμενοι σε αυτά
01:35
computersΥπολογιστές can recognizeαναγνωρίζω
how well our brainεγκέφαλος functionsλειτουργίες.
26
83400
4216
οι υπολογιστές μπορούν να αναγνωρίσουν
πόσο καλά λειτουργεί ο εγκέφαλός μας.
01:39
And if it doesn't functionλειτουργία well,
27
87640
1600
Κι αν δεν λειτουργεί καλά,
01:42
then these computersΥπολογιστές themselvesτους εαυτούς τους
can be used as assistiveβοηθητικές devicesσυσκευές
28
90080
3920
τότε οι υπολογιστές μπορούν
να χρησιμοποιηθούν ως βοηθητικές συσκευές
01:46
for therapiesθεραπείες.
29
94760
1200
για θεραπείες.
01:48
But that alsoεπίσης meansπου σημαίνει something,
30
96480
1640
Αυτό, όμως σημαίνει κάτι,
01:51
because choosingεπιλογή the wrongλανθασμένος patternsσχέδια
31
99360
2496
διότι η επιλογή λάθος διατάξεων
01:53
will give us the wrongλανθασμένος modelsμοντέλα
32
101880
1896
θα μας δώσει λάθος μοντέλα
01:55
and thereforeεπομένως the wrongλανθασμένος therapiesθεραπείες.
33
103800
1656
και συνεπώς λάθος θεραπείες.
01:57
Right?
34
105480
1200
Σωστά;
01:59
In caseπερίπτωση of attentionπροσοχή,
35
107640
1656
Σχετικά με την προσοχή,
02:01
the factγεγονός that we can
36
109320
1280
το γεγονός ότι μπορούμε
02:03
shiftβάρδια our attentionπροσοχή not only by our eyesμάτια
37
111800
3496
να στρέψουμε την προσοχή μας,
όχι μόνο με τα μάτια μας
02:07
but alsoεπίσης by thinkingσκέψη --
38
115320
1320
αλλά και με τη σκέψη,
02:09
that makesκάνει covertσυγκεκαλυμμένη attentionπροσοχή
an interestingενδιαφέρων modelμοντέλο for computersΥπολογιστές.
39
117440
4080
κάνει τη συγκαλυμμένη προσοχή
ενδιαφέρον μοντέλο για τους υπολογιστές.
02:14
So I wanted to know
what are the brainwaveεγκεφαλικών κυμάτων patternsσχέδια
40
122280
3456
Ήθελα, λοιπόν, να μάθω ποια είναι
τα διαγράμματα εγκεφαλικών κυμάτων
02:17
when you look overtlyφανερά
or when you look covertlyσυγκεκαλυμμένα.
41
125760
3680
όταν κοιτάμε φανερά
και όταν κοιτάμε συγκαλυμμένα.
02:22
I setσειρά up an experimentπείραμα for that.
42
130440
1760
Σχεδίασα ένα πείραμα γι' αυτό.
02:24
In this experimentπείραμα
there are two flickeringτρεμούλιασμα squaresτετράγωνα,
43
132960
2736
Σ' αυτό υπάρχουν
δύο τετράγωνα που αναβοσβήνουν,
02:27
one of them flickeringτρεμούλιασμα
at a slowerβραδύτερη rateτιμή than the other one.
44
135720
3360
το ένα σε πιο αργό ρυθμό από τ' άλλο.
02:32
DependingΑνάλογα με το on whichοι οποίες of these flickersτρεμοπαίζει
you are payingδικαιούχος attentionπροσοχή to,
45
140600
3816
Ανάλογα με το τετράγωνο
στο οποίο συγκεντρώνεστε,
02:36
certainβέβαιος partsεξαρτήματα of your brainεγκέφαλος
will startαρχή resonatingαντηχούν in the sameίδιο rateτιμή
46
144440
3960
συγκεκριμένα μέρη του εγκεφάλου σας
θα αρχίσουν να αντιδρούν στον ίδιο ρυθμό
02:41
as that flickeringτρεμούλιασμα rateτιμή.
47
149200
1440
με αυτόν του τετραγώνου.
02:44
So by analyzingανάλυση your brainεγκέφαλος signalsσήματα,
48
152000
2936
Οπότε, από την ανάλυση
των εγκεφαλικών σας σημάτων,
02:46
we can trackπίστα where exactlyακριβώς
you are watchingβλέποντας
49
154960
3040
μπορούμε να καταγράψουμε
πού ακριβώς κοιτάτε,
02:50
or you are payingδικαιούχος attentionπροσοχή to.
50
158760
1560
ή είναι εστιασμένη η προσοχή σας.
02:55
So to see what happensσυμβαίνει in your brainεγκέφαλος
when you payπληρωμή overtφανερός attentionπροσοχή,
51
163000
4216
Άρα για να δούμε τι συμβαίνει
στον εγκέφαλο,
όταν προσέχουμε κάτι φανερά,
02:59
I askedερωτηθείς people to look directlyκατευθείαν
in one of the squaresτετράγωνα
52
167240
3256
ζήτησα από ανθρώπους να κοιτούν
το ένα από τα τετράγωνα
03:02
and payπληρωμή attentionπροσοχή to it.
53
170520
1280
και να το προσέχουν.
03:04
In this caseπερίπτωση, not surprisinglyαπροσδόκητα,
we saw that these flickeringτρεμούλιασμα squaresτετράγωνα
54
172760
5296
Σ' αυτήν την περίπτωση, ήταν αναμενόμενο
να δούμε τα τετράγωνα που αναβοσβήνουν,
03:10
appearedεμφανίστηκε in theirδικα τους brainεγκέφαλος signalsσήματα
55
178080
1936
να εμφανίζονται
στα εγκεφαλικά τους σήματα,
03:12
whichοι οποίες was comingερχομός
from the back of theirδικα τους headκεφάλι,
56
180040
2360
που προέρχονταν από το πίσω μέρος
του κεφαλιού τους,
03:15
whichοι οποίες is responsibleυπεύθυνος for the processingεπεξεργασία
of your visualοπτικός informationπληροφορίες.
57
183560
3400
που είναι υπεύθυνο για την επεξεργασία
των οπτικών πληροφοριών.
03:20
But I was really interestedενδιαφερόμενος
58
188280
2336
Αλλά μ' ενδιέφερε πάρα πολύ
03:22
to see what happensσυμβαίνει in your brainεγκέφαλος
when you payπληρωμή covertσυγκεκαλυμμένη attentionπροσοχή.
59
190640
3160
να δω τι συμβαίνει στον εγκέφαλο
όταν προσέχουμε συγκαλυμμένα.
03:26
So this time I askedερωτηθείς people
to look in the middleΜέσης of the screenοθόνη
60
194480
3896
Οπότε, αυτήν τη φορά ζήτησα
να κοιτάξουν στη μέση της οθόνης
03:30
and withoutχωρίς movingκίνηση theirδικα τους eyesμάτια,
61
198400
1880
και χωρίς να μετακινήσουν τα μάτια τους
03:33
to payπληρωμή attentionπροσοχή
to eitherείτε of these squaresτετράγωνα.
62
201120
2720
να συγκεντρωθούν
σε οποιοδήποτε από τα τετράγωνα.
03:37
When we did that,
63
205120
1616
Όταν το κάναμε αυτό,
03:38
we saw that bothκαι τα δυο of these flickeringτρεμούλιασμα ratesτιμές
appearedεμφανίστηκε in theirδικα τους brainεγκέφαλος signalsσήματα,
64
206760
3936
είδαμε και τους δύο ρυθμούς
να εμφανίζονται στα εγκεφαλικά τους σήματα
03:42
but interestinglyμε ενδιαφέρο,
65
210720
1200
όμως παραδόξως,
03:44
only one of them,
whichοι οποίες was paidεπί πληρωμή attentionπροσοχή to,
66
212640
3536
μόνο ένας από αυτούς,
εκείνος στον οποίο πρόσεχαν,
03:48
had strongerισχυρότερη signalsσήματα,
67
216200
1656
είχε ισχυρότερα σήματα,
03:49
so there was something in the brainεγκέφαλος
68
217880
2256
οπότε, υπήρχε κάτι στον εγκέφαλο
03:52
whichοι οποίες was handlingΧειρισμός, ή Αντιμετώπιση this informationπληροφορίες
69
220160
2536
που διαχειριζόταν αυτή τη πληροφορία
03:54
so that thing in the brainεγκέφαλος was basicallyβασικα
the activationΕνεργοποίηση of the frontalμετωπικός areaπεριοχή.
70
222720
6200
και αυτό ήταν, ουσιαστικά, η ενεργοποίηση
της εμπρόσθιας περιοχής.
04:02
The frontεμπρός partμέρος of your brainεγκέφαλος
is responsibleυπεύθυνος
71
230440
2976
Το εμπρόσθιο τμήμα του εγκεφάλου
είναι υπεύθυνο
04:05
for higherπιο ψηλά cognitiveγνωστική functionsλειτουργίες as a humanο άνθρωπος.
72
233440
2880
για τις πιο αναπτυγμένες
νοητικές λειτουργίες.
04:09
The frontalμετωπικός partμέρος,
it seemsφαίνεται that it worksεργοστάσιο as a filterφίλτρο
73
237160
4440
Το τμήμα αυτό φαίνεται πως λειτουργεί
ως φίλτρο,
04:14
tryingπροσπαθεί to let informationπληροφορίες come in
only from the right flickerτρεμοπαίζει
74
242640
4376
προσπαθώντας να επιτρέψει τις πληροφορίες
μόνο από το σωστό τετράγωνο,
04:19
that you are payingδικαιούχος attentionπροσοχή to
75
247040
1640
εκείνο στο οποίο συγκεντρώνεστε,
04:21
and tryingπροσπαθεί to inhibitαναστέλλω the informationπληροφορίες
comingερχομός from the ignoredαγνοείται one.
76
249400
3960
και να εμποδίσει τις πληροφορίες
από εκείνο που αγνοείτε.
04:27
The filteringφιλτράρισμα abilityικανότητα of the brainεγκέφαλος
is indeedπράγματι a keyκλειδί for attentionπροσοχή,
77
255400
5296
Η ικανότητα του εγκεφάλου να φιλτράρει
είναι όντως σημαντική για την προσοχή,
04:32
whichοι οποίες is missingλείπει in some people,
78
260720
2776
κάτι που λείπει σε μερικούς ανθρώπους,
04:35
for exampleπαράδειγμα in people with ADHDΔΕΠ-Υ.
79
263520
2480
για παράδειγμα σ' αυτούς με ΔΕΠ-Υ.
04:38
So a personπρόσωπο with ADHDΔΕΠ-Υ
cannotδεν μπορώ inhibitαναστέλλω these distractors«παγίδων»,
80
266640
5016
Άρα, ένας άνθρωπος με ΔΕΠ-Υ δεν μπορεί
να εμποδίσει τους περισπασμούς
04:43
and that's why they can't focusΣυγκεντρώνω
for a long time on a singleμονόκλινο taskέργο.
81
271680
4760
και γι' αυτό δεν μπορεί να συγκεντρωθεί
για πολλή ώρα σε μία εργασία.
Αλλά, τι γίνεται αν αυτό το άτομο
04:49
But what if this personπρόσωπο
82
277600
1536
04:51
could playπαίζω a specificειδικός computerυπολογιστή gameπαιχνίδι
83
279160
3536
μπορούσε να παίξει ένα συγκεκριμένο
παιχνίδι στον υπολογιστή,
04:54
with his brainεγκέφαλος connectedσυνδεδεμένος to the computerυπολογιστή,
84
282720
2880
με τον εγκέφαλό του συνδεδεμένο σ' αυτόν,
04:58
and then trainτρένο his ownτα δικά brainεγκέφαλος
85
286440
2120
και έτσι να εκπαιδεύσει τον εγκέφαλό του
05:01
to inhibitαναστέλλω these distractors«παγίδων»?
86
289360
2440
ώστε να εμποδίζει τους περισπαμούς;
05:05
Well, ADHDΔΕΠ-Υ is just one exampleπαράδειγμα.
87
293680
2480
Η ΔΕΠ-Υ είναι ένα μόνο παράδειγμα.
05:09
We can use these cognitiveγνωστική
brain-machineεγκέφαλος-μηχανών interfacesδιεπαφές
88
297200
3256
Μπορούμε να χρησιμοποιήσουμε
τις νοητικές διεπαφές εγκεφάλου-μηχανής
05:12
for manyΠολλά other cognitiveγνωστική fieldsπεδία.
89
300480
2200
για διάφορα άλλα νοητικά πεδία.
05:15
It was just a fewλίγοι yearsχρόνια agoπριν
90
303760
1776
Ήταν μόλις λίγα χρόνια πριν
05:17
that my grandfatherπαππούς had a strokeκτύπημα,
and he lostχαμένος completeπλήρης abilityικανότητα to speakμιλώ.
91
305560
5720
όταν ο παππούς μου έπαθε εγκεφαλικό
και έχασε εντελώς την ικανότητα να μιλάει.
Μπορούσε να καταλάβει τους πάντες,
αλλά δεν υπήρχε τρόπος να τους απαντήσει,
05:24
He could understandκαταλαβαίνουν everybodyόλοι,
but there was no way to respondαπαντώ,
92
312640
3336
05:28
even not writingΓραφή
because he was illiterateαγράμματος.
93
316000
2480
ούτε καν να τους γράψει,
διότι ήταν αναλφάβητος.
05:32
So he passedπέρασε away in silenceσιωπή.
94
320000
2520
Οπότε πέθανε μες στη σιωπή.
05:36
I rememberθυμάμαι thinkingσκέψη at that time:
95
324800
2336
Με θυμάμαι να σκέφτομαι τότε,
05:39
What if we could have a computerυπολογιστή
96
327160
3896
Τι θα γινόταν αν είχαμε έναν υπολογιστή
05:43
whichοι οποίες could speakμιλώ for him?
97
331080
1360
που θα μιλούσε για εκείνον;
05:45
Now, after yearsχρόνια that I am in this fieldπεδίο,
98
333840
2216
Σήμερα, μετά από χρόνια
σ' αυτόν τον τομέα,
05:48
I can see that this mightθα μπορούσε be possibleδυνατόν.
99
336080
2320
καταλαβαίνω ότι αυτό ίσως είναι πιθανό.
05:52
ImagineΦανταστείτε if we can find brainwaveεγκεφαλικών κυμάτων patternsσχέδια
100
340240
2856
Φανταστείτε να βρίσκαμε
μοτίβα εγκεφαλικών κυμάτων
05:55
when people think
about imagesεικόνες or even lettersγράμματα,
101
343120
3440
ανθρώπων που σκέφτονται
εικόνες ή ακόμα και γράμματα,
05:59
like the letterεπιστολή A generatesδημιουργεί
a differentδιαφορετικός brainwaveεγκεφαλικών κυμάτων patternπρότυπο
102
347720
2936
π.χ. το γράμμα Α παράγει
διαφορετικό μοτίβο
06:02
than the letterεπιστολή B, and so on.
103
350680
1720
από το γράμμα Β, και ούτω καθεξής.
06:04
Could a computerυπολογιστή one day
communicateεπικοινωνώ for people who can't speakμιλώ?
104
352960
3680
Θα μπορούσε κάποτε ένας υπολογιστής
να επικοινωνήσει για τους άλαλους;
06:09
What if a computerυπολογιστή
105
357640
1440
Κι αν ένας υπολογιστής
06:11
can help us understandκαταλαβαίνουν
the thoughtsσκέψεις of a personπρόσωπο in a comaκώμα?
106
359960
4560
μας βοηθούσε να καταλάβουμε
τις σκέψεις ενός ασθενή σε κώμα;
06:17
We are not there yetΑκόμη,
107
365840
1616
Δεν φτάσαμε αυτό το επίπεδο ακόμη,
06:19
but payπληρωμή closeΚοντά attentionπροσοχή.
108
367480
2736
αλλά προσέξτε.
06:22
We will be there soonσύντομα.
109
370240
1696
Θα φτάσουμε εκεί σύντομα.
06:23
Thank you.
110
371960
1496
Σας ευχαριστώ.
06:25
(ApplauseΧειροκροτήματα)
111
373480
5632
(Χειροκρότημα)
Translated by Dimitris Tsampallas
Reviewed by viktor karras

▲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