Михеев Илья Николаевич

Преподаватель базовой кафедры Института биоорганической химии им. академиков М. М. Шемякина и Ю. А. Овчинникова РАН на факультете биологии и биотехнологии НИУ ВШЭ. Высшее образование получил в Национальном исследовательском ядерном университете «МИФИ», окончив в 2018 году бакалавриат по специальности «Физика». Работает также стажёром-исследователем в лаборатории университета: участвует в коллективных проектах, научных и рабочих семинарах, конференциях и летних школах. В Вышке — с 2026 года.

Профессиональные интересы лежат на стыке физики, нейронаук и машинного обучения: электроэнцефалография и магнитоэнцефалография, функциональная МРТ, мультимодальная нейровизуализация и нейрокартирование, декодирование сигналов мозга. Этой же тематике посвящены оба его учебных курса.

Основная дисциплина — «Анализ биологических данных с использованием нейронных сетей»: обязательный курс первого курса магистратуры по направлению 19.04.01 «Биотехнология», образовательная программа «Клеточная и молекулярная биотехнология» (6 кредитов, 40 контактных часов, 3–4 модуль). Тот же курс открыт для студентов других программ в формате «Маго-лего». Программа охватывает полный цикл анализа данных: предобработку и статистический анализ, выбор и настройку архитектур нейронных сетей — свёрточных и рекуррентных, автоэнкодеры для выделения признаков, трансферное обучение для адаптации предобученных моделей на малых выборках. Отдельный акцент сделан на интерпретации и объяснении моделей — без этого нейросетевые результаты неприменимы в биологических и медицинских исследованиях. Практическая часть строится на работе с реальными наборами биологических данных и завершается итоговым проектом.

Вторая дисциплина — научно-исследовательский семинар «Методы машинного обучения для анализа нейроданных» для четвёртого курса бакалавриата программы «Когнитивная нейробиология» (3 кредита, 28 контактных часов, 2 модуль). Здесь разбираются как классические методы (регрессия, деревья решений, кластеризация), так и глубокое обучение, а также особенности самих нейроданных: многомерность, шум, неравномерное распределение. Студенты осваивают предобработку ЭЭГ, МЭГ и фМРТ, спектральный анализ сигнала (FFT, STFT, вейвлеты, мультитейперный метод), выделение источников сигнала методами PCA, ICA, CSP и римановой геометрии, работают с библиотеками MNE-Python, scikit-learn, PyTorch и HuggingFace.

Научные публикации отражают ту же линию. В журнале Scientific Reports вышла статья «Detecting cognitive traits and occupational proficiency using EEG and statistical inference» (2024, в соавторстве с H. Steiner и О. Мартыновой), посвящённая выявлению когнитивных характеристик и профессиональной квалификации по данным ЭЭГ. В Applied Sciences опубликована работа «Cross-Subject Classification of Effectiveness in Performing Cognitive Tasks Using Resting-State EEG» (2023) — о межсубъектной классификации эффективности выполнения когнитивных задач по ЭЭГ покоя. В соавторстве с И. С. Поликановой и коллегами вышел обзор «Возрастные особенности динамики альфа-ритма» в журнале «Клиническая и специальная психология» (2024). Препринт «fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships» (2022), подготовленный вместе с А. Е. Осадчим и А. В. Ковалевым, посвящён восстановлению фМРТ-сигнала из электроэнцефалограммы методами интерпретируемого глубокого обучения. Владеет английским языком.