Farshad Falahati

Jag har en doktorsexamen i neurovetenskap och en teknisk bakgrund inom biomedicinsk teknik. Min expertis ligger inom medicinsk avbildning, med särskilt fokus på hjärnavbildningstekniker som MRI och PET. Under de senaste 12 åren har jag arbetat intensivt med avancerade MRI-metoder för att studera strukturella och funktionella mönster i hjärnan. Jag har dessutom omfattande erfarenhet av dataanalys och maskininlärning, och jag använder dessa verktyg för att effektivisera bearbetningsprocesser och identifiera komplexa mönster i neuroimaging-data. Jag brinner för att förena vetenskap och teknik, från att förstå fysiken bakom avbildningstekniker till att utnyttja maskininlärning för effektivare och mer insiktsfull dataanalys.

Mitt främsta forskningsintresse ligger i att förstå hur hjärnans funktion och struktur förändras under normalt åldrande och vid neurodegenerativa sjukdomar, såsom Alzheimers sjukdom. Jag fokuserar särskilt på att använda avancerade neuroavbildnings- och maskininlärningstekniker för att analysera neuroavbildningsdata, i syfte att identifiera mönster och utvinna meningsfulla insikter.

Jag tillämpar avancerade neuroavbildningstekniker, inklusive MRI och PET, tillsammans med maskininlärning, för att utveckla automatiserade metoder för segmentering och kvantifiering av hjärnstrukturer. En central del av mitt arbete är att använda djupinlärning för automatiserad segmentering av mitthjärnan med hjälp av kvantitativ susceptibilitetsmappning (QSM), vilket förbättrar vår förståelse av järnansamling i mitthjärnans kärnor under åldrandet.

Dessutom har jag utvecklat ett nytt maskininlärningsbaserat sjukdomsindex för tidig upptäckt och övervakning av Alzheimers sjukdom, med lovande potential för att identifiera subtyper av sjukdomen.

Jag är involverad i flera samarbetsprojekt vid ARC, inklusive:

• IronAge study (PI: Grégoria Kalpouzos), som undersöker hjärnjärnets effekter på neural aktivitet och kognitiv funktion under åldrandet
• ElastAge study (PI: Grégoria Kalpouzos), som undersöker hjärnans biomekaniska egenskaper vid normalt åldrande och preklinisk Alzheimers sjukdom med hjälp av magnetresonanselastografi
• Dynamic study (PI: Alireza Salami), som utforskar dopaminets och järnets roll i kognitivt åldrande
• StoneAge study (PI: Goran Papenberg), som bygger vidare på IronAge-studien genom att koppla järnansamling till neuroinflammation
• Long-Covid project (PI: Erika Jonsson Laukka), som fokuserar på kognitiva och luktstörningar efter COVID-19
• SNAC-K project (PI: Laura Fratiglioni), som undersöker åldrande och kognitiv nedgång i en stor, befolkningsbaserad kohort

Genom dessa projekt strävar vi efter att fördjupa vår förståelse av mekanismerna bakom hjärnans åldrande och att utveckla mer exakta neuroavbildningstekniker för att bedöma hjärnhälsa och progression av neurodegenerativa sjukdomar.

• MRI Physics and Instrumentation, Introduction to Brain Imaging in Neuroscience (Master's course), 2021 – present
• Machine Learning: Applications in Aging Research, Integration of neuroimaging and cognition in normal aging and dementia (PhD course), 2023
• Structural and Functional MRI Workshop, Integration of neuroimaging and cognition in normal aging and dementia (PhD course), 2023
• Neuroimaging Workshop, Frontiers in Translation Medicine (Master's course), 2015 – 2017
• Neuroimaging Workshop, Molecular brain imaging techniques in neurodegenerative disorders (PhD course), 2016