Sarper Alkan, FMRI görüntülerinden zihinsel durumların çözümlenmesi için hesaplamalı bir beyin modeli

Doktora Adayı: Sarper Alkan
EABD: Bilişsel Bilimler
Tarih:  07.10.2019 14:30
Yer: Konferans Salonu 1

Özet: İşlevsel manyetik rezonans görüntüleme (iMRG) yöntemi kullanılarak elde edilen beyin görüntülerinden beyin çözümlemesi, zihinsel hastalıkların teşhisi, zihinsel durumların belirlenmesi ve beyin makine arayüzlerinin geliştirilmesi için önem arzetmektedir. İMRG görüntüleme deneylerindeki deneysel görev ya da uyaranlarla ilişkili aktivite gösteren voksellerin (hacimli piksel) seçimine dayanan çoklu-voksel örüntü çözümlemesi (ÇÖVÇ) yöntemleri bu iş için en çok kullanılan yöntemlerdir. Her ne kadar, voksel seçimine dayanan ÇÖVÇ, etkinliği gösterilmiş bir yaklaşım olsa da, buna beynin işlem aşamalarına ve gösterimlerine benzer yapıda çalışan bir alternatif bir yaklaşımın olduğunu savunuyoruz.

Bu çalışmada, zihinsel durumların çözümlenmesi için aşamalı bir beyin modeli önderiyoruz. Bu önderiğimiz aşamalı model, ilk olarak beyin görüntüsünü, birbirine işlevsel olarak yüksek benzerlik gösteren voksellerden oluşan, süpervoksel olarak adlandırdığımız voksel gruplarına bölütlüyor. Bu süpervokselleri kullanarak, verilen uyaranlar ya da zihinsel görevlerin işlenmesinde görev alan özelleşmiş beyin bölgelerindeki (görsel bir nesne için renk, doku veya şekli işleyen bölgeler gibi) sinirsel aktivitelerinin elde edilmesini amaçlıyoruz. Sonrasında her bir süpervoksel ile elde edilen beyin aktivitelerini, zihinsel durumun çözümlenmesi için, Beyin Bölgesi Toplulukları (BBT) adını verdiğimiz yöntemle birleştiriyoruz. Birden fazla iMRG veri kümesindeki analizlerimiz gösteriyor ki, BBT, zihinsel durumların sınıflandırılması işlevine klasik voksel seçimi yöntemlerinden daha uyumludur. Ayrıca, BBT'nin iki farklı zihinsel durumun için farklı aktivite gösteren ve deneysel uyaranlar ya da görevlerlerle ilişkili beyin bölgelerinin belirlenmesinde kullanılabileceğini gösteriyoruz.

Sarper Alkan, A computational model of the brain for decoding mental states from fMRI