مدل‌سازي سيستم بينايي با تمركز بر عارضه توهم با استفاده از هوش‌مصنوعي

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

دكتري

مغز يك آرايش پيچيده‌اي از نورون‌ها و سيناپس‌ها مي‌باشد كه ظرفيت انسان را براي پردازش، تنظيم، تفسير تحريك حسي و اجراي فعاليت‌هاي ذهني توسعه مي‌دهد. مهمترين عضو در هر ناحيه مغزي نورون‌هاي عصبي هستند كه سيگنال‌ها را از طريق سيناپس‌ شيميايي منتقل مي‌كنند. تاكنون، مدل‌هاي رياضي و آماري گوناگوني براي تحليل تعاملات نوروني و بيماري‌هاي عصبي ارائه شده است. اخيرا، به دليل پيشرفت‌هاي هوش مصنوعي، مدل‌هاي زيادي با استفاده از الگوريتم‌هاي آن براي تحليل تعاملات مغزي مطرح شده است. هدف اصلي اين رساله، بازنمايي برخي از تعاملات مغزي و بررسي تأثير يادگيري بر كاركرد آن‌ها است. به منظور دستيابي به اين هدف، تعاملات مغزي در دو سطح نوروني و تعاملات نواحي مغزي مورد بررسي قرار گرفته‌اند. در سطح نوروني، مدل NERL بر اساس تعاملات نورون‌هاي دوپامينرژيك براي يك مسئله دسته‌بندي مطرح شده است. مدل NERL يك شبكه عصبي پيشرو است كه در هر لايه‌اش چندين نورون‌ به عنوان عاملي مستقل و منطقي در نظر گرفته شده‌اند. بر اساس سيناپس شيميايي، تعامل نورون‌هاي شبكه NERL با استفاده از بازي بيزين مدل‌سازي‌شده است. سپس، يك شبكه عصبي NERL براي يك مسئله دسته‌بندي با استفاده از الگوريتم يادگيري Q آموزش داده شده است. دقت مدل با معماري [4، 4، 1] روي مجموعه داده احراز هويت اسكناس 97/03 درصد شد. همچنين، دقت مدل بهبوديافته روي دو دسته ‘A’ و ‘B’ از مجموعه داده notMNIST با معماري [64، 4، 4، 1] 91/8 درصد شد. نتايج نشان داد كه پيچيد‌ه‌تر كردن ساختار مدل و افزايش اقدامات نورون‌ها در ارسال سيگنال به نورون‌هاي ديگر، منجر به بهبود كاركرد مدل NERL براي مسئله دسته‌بندي مي‌شود. كاركرد نورون‌ها در سطح نوروني منجر به رفتاري متفاوت بين‌ نواحي مغزي مثل سيستم بينايي با ديگر نواحي مغزي مي‌شود. در اين رساله، كاركرد نواحي دو جريان بطني و خلفي سيستم بينايي در سطح نواحي مغزي بررسي و مدل‌سازي شده‌است. %به دليل نزديكي ساختارهاي شبكه عصبي پيچشي با شبكه‌هاي سيستم بينايي، سعي شده است مدل‌هاي پيشنهادي بر اساس شبكه عصبي پيچشي باشند. مدل هدف-محور VeDo مبتني بر شبكه‌هاي عصبي پيچشي براي مدل‌سازي دو جريان بصري سيستم بينايي (براي انجام وظايف دسته‌بندي، مكان‌يابي اشياء و تخمين فاصله بين دو شئ) مطرح شد. سپس، تاثير اختلال اوتيسم بر كاركرد جريان خلفي در مدل پيشنهادي نشان داده شده است. بعد از دوره آموزش، دقت مدل براي دسته‌بندي اشياء و فاصله بين اشياء 100 درصد شد. نتايج نشان‌دهنده اين واقعيت است كه اختلال‌هاي جريان خلفي در سطوح اوليه‌اش با يادگيري قابل بهبود هستند. سپس، بر اساس فيزيولوژي و تعاملات نواحي سيستم بينايي به ويژه در جريان بطني، مدل Hallu-GAN براي شبيه‌سازي تعاملات اين سيستم به هنگام بروز عارضه توهم پيشنهاد شد. دليل انتخاب شبكه مولد خصمانه براي مدل پيشنهادي اين است كه نواحي مغزيِ درگير در توهم بينايي يك مكانيزم خصمانه در برابر هم در پيش مي‌گيرند. در مدل Hallu-GAN، شبكه مولد به عنوان سيستم بينايي با دريافت تصوير محيطي سعي مي‌كند تصوير متناسبي (به عنوان درك تصوير ورودي) را بازسازي كند. شبكه متمايزگر به عنوان نواحي پيشاني مغز سعي در تشخيص واقعي يا تصور بودن تصوير دريافتي از شبكه مولد (سيستم بينايي) را دارد. براي بهبود و همگرا كردن ساختار مدل پيشنهادي به ساختار سيستم بينايي، در ادامه، دو مدل بهبود يافته پيشنهاد شده است. در مدل براي مدل‌سازي تاثير كاركرد نواحي ديگر مغزي، يك ورودي جديد به عنوان تعيين‌كننده حالت مغز به شبكه مولد براي توليد داده ارسال مي‌شود. باتوجه به نتايج حاصل از شبيه‌سازي مي‌توان گفت مدل رفتار متوهمي سيستم بينايي در سندرم چارلز بونه را به خوبي بازنمايي كرده است. همچنين، مدل توانايي بازنمايي ادراك توهمي و سالم را بر اساس محيط‌هاي خارجي را دارد. در مدل براي بازنمايي بهتر تعاملات زيرنواحي سيستم بينايي، يك زيرشبكه به عنوان مبدل ورودي پيشنهاد شده است. اين شبكه با دريافت تصوير محيطي يك بردار ويژگي به شبكه مولد ارسال مي‌كند. همچنين، شبكه متمايزگر نيز به دو شبكه مجزا تبديل شده است. شبكه مدل NERL با معماري [64، 4، 4، 1] روي داده‌هاي ‘A’ و ‘C’ با دقت 91/78 درصد به عنوان تشخيص دهنده توهم از غير توهم در نظر گرفته شد. باتوجه به نتايج حاصل از شبيه‌سازي مي‌توان گفت مدل رفتار متوهمي سيستم بينايي در بيماري روان‌گسيختگي و پاركينسون را توانسته بازنمايي كند.

233388

هوش‌مصنوعي

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان