Hussain A Jaber, İlyas Çankaya, Hadeel K Aljobouri, Orhan M Koçak ve Oktay Algin, ” Optimal Model-Free Approach Based on MDL and CHL for Active Brain Identification in fMRI Data Analysis ” başlıklı yeni bir makale yayınladı.
Fonksiyonel Manyetik Rezonans Görüntüleme (fMRI) beyin fonksiyonlarının görüntülenmesi için kullanılan sağlam, noninvaziv ve modern bir tekniktir. Bununla birlikte, fMRI çekimlerinden elde edilen veriler, çeşitli faktörler nedeniyle doğrudan yorumlanamaz. Bu faktörler, sinyal zayıflığı, fMRI verilerindeki gürültülerden ve ilgi duyulan önemli aktivasyonların diğer türlerden ayrılmasının zorluğudur.
Ham fMRI verilerinin karmaşıklığı, görüntü dönüştürme, okuma / yazma ve bilgi çıkarma gibi çoklu işlemlerin optimal ve hızlı olarak yapılmasında önemli zorluklara yol açar. Bu engelleri ve zorlukları aşmak için, son zamanlarda yayınladığımız çalışmalarda fMRI veri analizi için yeni bir iş akışı yaklaşımı önerilmiştir.
Oktay ALGIN ve ekibinin bu alandaki çalışmalarında, çok formatlı fMRI verilerini görselleştirirken karşılaşılan sorunların çoğunu ele almak ve çözmek için yeni bir dönüşüm ve görselleştirme arayüzü veya araç kutusu paketi (VCfMRI) tasarlanmış ve geliştirilmiştir. Geliştirilen bu arayüz veya araca CPREPP fMRI adı verilir ve burada ön işleme adımları istatistiksel analize ek olarak eklenir.
Geliştirdiğimiz fMRI veri işleme metodları işitsel görevlere dayalı veri setinde denenmiş ve işitsel görevler yapılırken insan beyninin ilgili aktivasyon bölgeleri belirlemiştir. Bu nedenle, bu amaç için henüz kullanılmamış olan Nöral Gaz (NG) yöntemiyle karşılaştırma için fMRI verilerinde Geliştirilmiş Nöral Gaz (ENG) algoritmasının kullanılmasına dayanan yeni bir denetimsiz öğrenme yaklaşımı önerilmektedir.
Gerçek işitsel fMRI verileri üzerindeki karşılaştırma sonuçları, ENG’nin giriş veri dizisinin sırasına karşı duyarsızlığı, bir dizi nöron seçmek için çeşitli başlatmalar ve aykırı değerler nedeniyle NG ve SPM yöntemlerinden daha iyi performans gösterdiğini göstermektedir. ENG tekniği, fMRI verileriyle NG uygulamasının tüm eksikliklerini çözebilir, insan beyninin aktif alanını etkili bir şekilde tanımlayabilir ve ağ öğrenme sürecinde minimum description length (MDL) değerine göre küme merkezinin konumlarını belirleyebilir.