• عنوان

    يادگيري نمايش شبكه مغزي با استفاده از يك مدل سلسله مراتبي مبتني بر گراف

  • نويسنده اصلي

    جلالي، پرنيان

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي كامپيوتر
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    مغز انسان را مي‌توان شبكه‌اي پيچيده، تشكيل شده از نواحي مختلف دانست كه پيوسته اطلاعاتشان را با يكديگر تبادل كرده و گرافي پيچيده به نام گراف مغزي را شكل مي‌دهند. گره‌هاي اين گراف، نواحي مختلف مغز بوده و يال‌هاي آن بر اساس سري‌هاي زماني استخراج شده از داده‌هاي fMRI ساخته مي‌شوند. از همين رو اين گراف مي‌تواند نشان دهنده چگونگي تعامل بين نواحي مختلف مغز و همچنين بيانگر الگو‌هاي غيرطبيعي كه تحت تأثير اختلالات مغزي بوجود آمده‌اند، باشد. تحقيقات اخير نشان داده‌اند كه وابستگي آماري بين سري‌هاي زماني نواحي مختلف مغز با گذر زمان، دچار تغيير مي‌شود. بنابراين مدلسازي مغز بوسيله يك گراف ثابت مي‌تواند موجب از دست رفتن اطلاعات زيادي شود. از سوي ديگر پژوهش‌هاي انجام شده در زمينه كاربرد‌هاي پزشكي نشان داده‌اند كه در نظر گرفتن ارتباط بين نمونه‌ها و استفاده از اطلاعات رخ‌نمود آن‌ها مثل سن و جنسيت، مي‌تواند كمك شاياني در جهت شناسايي اختلالات مغزي بكند. از همين رو در اين پژوهش، مدلي سلسله مراتبي؛ متشكل از دو سطح براي يافتن نمايش مناسب (تعبيه)گراف‌هاي پوياي مغز و به دنبال آن دسته‌بندي اين گراف‌ها معرفي شده است. سطح اول اين مدل پس از ساخت گراف‌هاي پوياي مغزي از داده‌هاي fMRI، اقدام به يادگيري ويژگي‌هاي مكاني و زماني اين داده‌ها كرده و در خروجي نمايش مناسب براي هر كدام توليد مي‌كند. همچنين اين سطح با بكارگيري لايه ادغام مبتني بر توجه، داراي قابليت كاهش اندازه و اصلاح ساختار گراف در طول آموزش مي‌باشد. پس از آن سطح دوم مدل، با قرار دادن نمايش حاصل از سطح اول به عنوان ويژگي گره‌ها و همچنين محاسبه وزن يال‌ها بر اساس ويژگي‌هاي رخ‌نمود و ميزان شباهت بين نمونه‌ها، اقدام به ساخت گراف جمعيت و تحليل آن بوسيله شبكه عصبي گراف مبتني بر توجه مي‌كند. در نهايت از نمايش بدست آمده براي گره‌ها در جهت دسته‌بندي نمونه‌ها با اختلالات مغزي خاص از نمونه‌هاي سالم استفاده مي‌شود. همچنين بر اساس اينكه سطح اول و دوم مدل بصورت همزمان يا جداگانه از هم آموزش ببينند، استراتژي‌هاي آموزش مختلفي پيشنهاد شده است كه برخي از آن‌ها براي كاهش حافظه مورد نياز پيشنهاد شده‌اند. عملكرد مدل پيشنهادي بر روي مجموعه داده‌هاي ABIDE و ADHD در جهت دسته‌بندي افراد داراي اختلال طيف اوتيسم و بيش فعالي-كم توجهي از افراد سالم مورد ارزيابي قرار گرفته و نتايج حاصل از آن در مقايسه با نتايج مدل‌هاي رقيب حاكي از برتري اين مدل از نظر معيار‌هاي ارزيابي گوناگون است.
  • شماره ركورد
    222642
  • گرايش رشته تحصيلي
    هوش مصنوعي و رباتيكز
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان