привет! ✨

Екатерина Антипушина

Ekaterina Antipushina

NeuroAI · Embodied AI · LLMs · Computer Vision

Я работаю в NeuroAI, Embodied AI, с большими языковыми моделями (LLM) и компьютерным зрением (Computer Vision). Разрабатываю мультимодальные модели для нейросигналов и изображений, а также LLM-агентов, которые понимают 3D-сцены, используют инструменты и рассуждают о пространственных отношениях.

Аспирант Сколтеха · ML-инженер Applied AI Institute

Екатерина Антипушина — исследователь NeuroAI и Embodied AI

Обо мне

Екатерина Антипушина — исследователь и ML-инженер в области NeuroAI, Embodied AI, больших языковых моделей (LLM) и компьютерного зрения (Computer Vision).Аспирантка Сколтеха и инженер машинного обучения в Spatial Intelligence Lab Института прикладного ИИ. Работает с мультимодальным обучением представлений и генеративными моделями для нейросигналов, медицинских изображений и 3D-сцен.

В области NeuroAIзанимается моделированием активности мозга, объединением ЭЭГ и фМРТ, преобразованием данных между нейрофизиологическими модальностями и нейрообратной связью в реальном времени. Среди ее работ — pyOpenNFT, платформа для нейрообратной связи с использованием машинного обучения, и CSTNet, генеративный подход к преобразованию ЭЭГ в кортикальные сигналы с помощью оптимального транспорта.

В Embodied AI и компьютерном зренииразрабатывает LLM-агентов и визуально-языковые системы для понимания 3D-сцен, поиска объектов по текстовым запросам и пространственного рассуждения. Инженерная работа включает RAG, вызов инструментов, многошаговую проверку ответов и автоматическую оценку качества. Подробнее — в CV.

Также разрабатывает LLM-приложения для исследователей, включая Neuroforum — платформу с MCP-инструментами, фоновыми задачами для агентов и учётом использования моделей. Более широкий круг работ включает медицинское компьютерное зрение, интерпретируемый анализ мультимодальных биомедицинских данных, исследования органоидов мозга и биомаркеров. См. публикации в Google Scholar.

Вне лаборатории люблю искать вдохновение в уютных московских кафе.

Направления исследований

NeuroAI

  • Обучение представлений нейросигналов и фундаментальные модели
  • ЭЭГ, фМРТ и предсказание между модальностями
  • Генеративные модели и оптимальный транспорт
  • Нейрообратная связь в реальном времени

Embodied AI и пространственное понимание

  • Языково-зрительные модели для 3D-сцен
  • Поиск объектов по языковому описанию
  • Графы сцен и пространственные отношения
  • Оценка пространственных рассуждений

Мультимодальный и биомедицинский ИИ

  • Пространственно-временное моделирование и объединение данных
  • Анализ медицинских изображений
  • Интерпретируемое машинное обучение
  • Биомедицинские сигналы и поиск биомаркеров

Образование и опыт

мой путь в исследованиях...

Мой путь

как все начиналось...

Инженер машинного обучения
Spatial Intelligence Lab, Институт прикладного ИИ
Октябрь 2025 — настоящее время
Разрабатываю LLM-агентов и системы компьютерного зрения (Computer Vision) для понимания 3D-сцен в совместном проекте с Huawei. Объединяю визуально-языковые модели, графы сцен и геометрию для поиска объектов по текстовым запросам. Реализую RAG, вызов инструментов, многошаговую проверку ответов и автоматическую оценку локализации объектов и пространственного рассуждения.
Аспирантура
Сколковский институт науки и технологий (Сколтех)
2024 — настоящее время
Исследую мультимодальные нейроданные и предсказание локализованной активности мозга в реальном времени. Разрабатывала токенизацию и методы обучения представлений ЭЭГ и фМРТ, включая предобучение с маскированием, трансформеры и дискретные представления.
Инженер-исследователь, медицинский ИИ
Сколтех · Лаборатория нейровизуализации и когнитивной нейронауки
Ноябрь 2024 — сентябрь 2025
Разрабатывала pyOpenNFT — открытый Python-фреймворк для нейрообратной связи по фМРТ и ЭЭГ-фМРТ в реальном времени. Реализовала параллельную обработку сигналов с общей памятью и FastAPI-сервис для подключения моделей машинного обучения. Первый автор статьи о фреймворке на MICCAI 2025.
Инженер машинного обучения · частичная занятость
BIMAI-Lab, Университет Шарджи
Июль 2024 — август 2025
Вела вычислительный анализ транскриптомных и протеомных данных в международных исследованиях органоидов мозга человека при гипоксии. Разрабатывала статистические и ML-пайплайны, обсуждала интерпретацию с экспериментальной командой и участвовала в подготовке статей в Fluids and Barriers of the CNS и iScience.
ML-инженер / инженер-исследователь
Сколтех · Medical AI / BIMAI-Lab
Январь 2023 — декабрь 2024
Разрабатывала генеративные и интерпретируемые модели для мультимодальной нейровизуализации и биомедицинских данных: Rest2Task, преобразование ЭЭГ в ЭКоГ, классификация шизофрении и прогнозирование метастазирования рака почки. Работала с объединением модальностей, отбором признаков, графовыми представлениями и валидацией на малых медицинских выборках.
Магистратура
Сколтех
2022 — 2024
Исследовательская специализация: медицинский ИИ и мультимодальная нейровизуализация. Диссертация об интерпретируемых моделях машинного обучения и объединении нейровизуализационных и биомедицинских данных при изучении шизофрении.
Бакалавриат: биотехнические системы и технологии
Московский авиационный институт
2018 — 2022
Инженерная подготовка в области биомедицинских технологий, физиологических измерений и медицинских систем.

Исследования

проекты, публикации и выступления...

Проекты

Понимание 3D-сцен
Embodied AI · Пространственный интеллект
Разрабатываю LLM-агентов и системы компьютерного зрения (Computer Vision) для понимания 3D-сцен в совместном проекте с Huawei. Объединяю визуально-языковые модели, графы сцен и геометрию для поиска объектов по текстовым запросам. Реализую RAG, вызов инструментов, многошаговую проверку ответов и автоматическую оценку локализации объектов и пространственного рассуждения.
Vision-Language Models 3D Grounding Scene Graphs

Описание проекта в CV

Обучение представлений нейроданных
NeuroAI · ЭЭГ и фМРТ
Разрабатывала токенизацию и предобучение моделей ЭЭГ и фМРТ: Transformer/ViT, дискретные представления BSQ и VQ-VAE, обучение с маскированием. Оценивала перенос между испытуемыми и схемами регистрации с контролем утечек данных.
Transformers Masked Modeling EEG / fMRI
Моделирование медицинских изображений
2026 · МРТ, УЗИ и ОКТ
Исследования сегментации МРТ сердца и оценки биомаркеров, УЗ-биометрии с учётом переноса моделей и обратной генерации ОКТ-фантомов. Три работы приняты в воркшопы и соревнования MICCAI 2026.
Segmentation Transfer Learning Inverse Rendering

Публикации

Анализ данных органоидов мозга
Биомедицинский ИИ · Транскриптомика и протеомика
Вычислительный анализ молекулярного ответа на гипоксию в органоидах мозга и сосудистого сплетения человека. Статистическое моделирование и анализ omics-данных легли в основу исследований, опубликованных в Fluids and Barriers of the CNS (2025) и iScience (2026).
Statistical Modeling Omics Biomarkers

Публикации

pyOpenNFT
Нейрообратная связь в реальном времени · MICCAI 2025
Открытый Python-фреймворк для нейрообратной связи по фМРТ и ЭЭГ-фМРТ в реальном времени: интеграция ML-моделей, параллельная обработка сигналов и сервис предсказаний.
Python FastAPI Neurofeedback

Код на GitHub

CSTNet
EMA4MICCAI 2025 · публикация 2026
Генеративное преобразование ЭЭГ в ЭКоГ с помощью оптимального транспорта. Участвовала в разработке метода, представленного на EMA4MICCAI 2025 и опубликованного Springer в 2026 году.
PyTorch Optimal Transport EEG-to-ECoG

Код на GitHub

Rest2Task
Генеративная нейровизуализация
Генеративный фреймворк для предсказания фМРТ при выполнении заданий по записям фМРТ покоя с помощью вариационных автоэнкодеров и генеративно-состязательных моделей.
VAE GAN fMRI

Код на GitHub

Neuroforum
Научное ПО · ИИ-агенты
Спроектировала платформу работы исследователей и ИИ-агентов с научными материалами. Реализовала FastAPI-сервис, MCP-инструменты, разграничение доступа, фоновые задачи RabbitMQ/Dramatiq, учёт стоимости LLM-вызовов, Docker Compose и CI-проверки.
FastAPI MCP Docker

Публикации

Журнальные статьи, материалы конференций, принятые работы и препринты.

2026

2025

Постеры и презентации

The application of machine learning methods for multimodal neuroimaging data in the diagnosis of schizophrenia

LIFT Conference · 2024

Открыть постер

Development of a personalized Transcranial Magnetic Stimulation complex utilizing biofeedback

LIFT School of Young Neurotechnologists · 2024

Открыть постер
Иллюстрация к работе · оригинал постера пока недоступен

Benchmarking of Machine Learning and Deep Learning approaches for Neuroimaging Data

Summer of Machine Learning · Skoltech · 2023

Страница работы

Приглашённые доклады и выступления

Приглашённый доклад

Universal Brain Encoder: The Evolution of Models for Neural Signals

NeuroTalk · НИТУ МИСИС, Москва

О докладе

Приглашенный доклад на митапе NeuroTalk о нейротехнологиях и нейроинтерфейсах. Эволюция моделей нейросигналов от архитектур для отдельных задач к универсальным моделям, обученным на данных разных участников, конфигураций электродов и модальностей, и значение этого перехода для декодирования нейросигналов.

Доклад на конференции

Bridge Between Time and Space: How Generative AI Turns EEG into fMRI

DataFest · Open Data Science

О докладе

Доклад о применении генеративных моделей для предсказания функциональных и пространственных представлений фМРТ по ЭЭГ с высоким временным разрешением. Рассматриваются алгоритмы, архитектуры и примеры применения в исследованиях мозга.

Связаться со мной

Буду рада знакомству с исследователями, потенциальными соавторами и всеми, кто разрабатывает решения на основе ИИ!

можно за чашкой кофе! ☕

Пишите, чтобы обсудить исследовательские идеи, совместные проекты в NeuroAI и Embodied AI или применение мультимодальных моделей.

Электронная почта

ekantipushina@gmail.com

удобнее всего написать сюда! 📧

LinkedIn

katherine-antipushina

профессиональные контакты! 💼

GitHub

utoprey

код и совместные проекты! 💻

📍 Москва, Россия

ML-инженер Applied AI Institute · Аспирант Сколтеха

рада встречам с исследователями в Москве! 🇷🇺