توصيفگر ها :
fMRI , سن , ارتباط عملكردي , پروژه ارتباطات انسان
چكيده فارسي :
پيري اساس تخريب عصبي و زوال عقل است كه بر هر اندامي در بدن تأثير ميگذارد. پيري طبيعي در مغز با كندي پيشرونده و اختلال در تواناييهاي مختلفي همچون توانايي حركتي و شناختي ، كاهش در سرعت پردازش، توجه و حافظه همراه است. با افزايش آمار سالمندان در جهان، تحقيقات بيشتري روي چگونگي تغييرات مغز در سالمندان متمركز شده است. در اين تحقيقات با كمك روش هاي تصويربرداري از مغز تلاش ميشود سن مغز مشخص شود؛ يعني تغييرات عملكردي مغز در طول سن بررسي مي شود. در اين پايان نامه دو روش را براي تفكيك گروه سني با استفاده از داده هاي rest_Fmri ارائه ميكنيم. روش كار مبتني بر تجزيهي ماتريس ارتباطات مغزي به چند ماتريس مستقل يا غيرمنفي است. اين ماتريس ها با عنوان نقشه ي مغزي مناطق مهم مغز را مشخص ميكنند. ادعا مي شود اهميت مناطق مهم مغزي در سن هاي مختلف متفاوت باشد. با قراردادن وزن هر يك از اين مناطق در بردار ويژگي مي توان سنين مختلف را از هم تفكيك كرد. براي تجزيه ي ماتريس از دو روش تحليل مولفههاي مستقل (ICA) و تجزيه ي ماتريس غيرمنفي (NMF) استفاده مي شود. انتخاب تعداد مناطق مغزي بگونهاي انجام گرفته است كه مناطق مغزي مفهوم مشخصي داشته باشند و در نهايت بهترين دقت حاصل شود. شش ماتريس پايه براي بسط ماتريس هاي ارتباط عملكردي افراد بدست آورديم. در روش اول از مدل ماركف براي دسته بندي دنباله ضرايب استفاده ميكنيم يعني احتمال وجود دنباله ي مورد نظر به شرط قرارگيري در هر گروه سني را با استفاده از قوانين احتمال محاسبه ميكنيم. گروه سني كه احتمال بيشتري به خود اختصاص مي دهد به عنوان گروه سني در الگوريتم انتخاب مي شود. با استفاده از روش NMF براي كاهش بعد و استفاده از مدل ماركف توانستيم به دقت 80 درصد در طبقهبندي گروه سني به دو دسته و دقت 75 درصد در طبقهبندي به سه دسته برسيم. در مدل دوم طبقه بندي سن، بعد از بدست آمدن دنباله ضرايب، احتمال وجود اين دنباله ها را با شرط استقلال قدرت شبكههاي مغزي، به شرط قرارگيري در هر دسته ي سني محاسبه ميكنيم. گروه سني كه احتمال بيشتري به خود اختصاص مي دهد به عنوان گروه سني در الگوريتم انتخاب ميشود. با روش دوم به دقت 84 درصد در دستهبندي به دو گروه سني و دقت 68/ 70 در دسته بندي به سه گروه سني رسيديم.
چكيده انگليسي :
Aging is primarily a neurodegenerative and cognitive decline process that affects every organ in the body. Natural aging
in the brain is accompanied by gradual slowing and impairment in various abilities, including motor and cognitive skills,
processing speed, attention, and memory. With the global increase in the elderly population, more research has been focused
on understanding the brain changes in older individuals. In this thesis, two methods for age group differentiation using fMRI
rest data are presented. The NMF method to extract features from individuals’ functional connectivity matrices, resulting
in six base matrices for expanding the functional connectivity matrices is employed. The coefficients of these matrices and
obtained a sequence of coefficients for each person are considered. In the first method, a Markov model for classifying
the sequences is utilized. Then, the probability of each sequence belonging to each age group using probability rules is
calculated. The age group with the highest probability as the assigned age group is selected. Using the first method,
achieved an accuracy of 80% in classifying age groups into two categories and an accuracy of 57% in classifying into three
categories. In the second method, after obtaining the sequence of coefficients, the probability of these sequences belonging
to each age category is calculated. The age group with the highest probability as the assigned age group is selected. The
second method, achieved an accuracy of 84% in classifying into two age groups and an accuracy of 70.08% in classifying into
three age groups. The second method, which demonstrates better accuracy and interpretability, for age group classification is
recomended. Considering the reasonable accuracy achieved in classification, the hypothesis that the relative power of brain
networks changes with age is supported, and the regions with the highest activity in the fundamental functional matrices are
identified as regions associated with age.
