Fonksiyonel mrı verilerinin gürbüz denetimsiz algoritması ile kümelendirilmesi

Fonksiyonel Manyetik Rezonans Görüntüleme (fMRI), kandaki oksijen seviyelerini hesaplayarak ve bir dizi 3 – boyutlu görüntü oluşturarak beyin aktivitesini incelemede sinir bilimciler için güçlü bir araç olmuştur. Kümeleme yaklaşımı model içermeyen bir analizdir; bu yaklaşım, klasik ve istatistiksel Genel Doğrusal Model (GLM) olarak, aktivasyon desenleri veya deney hakkında önceden bilgi sahibi olmaksızın beyindeki aktif bölgeleri tanımlama özelliğine sahiptir. Bu araştırmanın amacı, tüm beyinin işlevsel bağlantı veri analizinde en iyi performansı elde etmeye yönelik uygun bir kümeleme yöntemi seçmek için çözüm bulmaktır. Bu çalışmada, gerçek bir işitsel fMRI veri setine ve Güçlü Artan Sinirsel Gaz (RGNG) algoritması kullanımına dayanan yeni ve güçlü bir denetimsiz öğrenme yöntemi önerilmiştir. Bu çalışmanın başlıca katkısı, NG ve GNG algoritmalarıyla mukayese ederek, daha önce bu amaç için veya başka herhangi bir uygulamada kullanılmayan RGNG algoritmasının fMRI veri setleri ile iç içe kullanılmasıdır. GLM'ne dayalı İstatistiksel Parametrik Eşleme (SPM) paketi kullanarak model tabanlı veri analizi yöntemi ile diğer bir karşılaştırma daha yapılmıştır. Çıktı sonuçları, önerilen RGNG yönteminin, Minimum Tanımlama Uzunluğu (MDL) ve Alıcı İşletimsel Özellikler (ROC) analizi ile ölçülen performanslarıyla ortaya konduğu üzere, diğer yöntemlerden açık ara daha üstün olduğunu göstermektedir. fMRI veri analizi için MATLAB tabanlı bir Grafiksel Kullanıcı Arayüzü (GUI) yazılım paketi olarak tasarlanmış ve uygulanmıştır. Bu çalışmada, sinirbilimi araştırmacılarının verilerini analiz edebilecekleri ve kolayca erişebilecekleri yeni bir model geliştirilmiştir. Önerilen bu model, fMRI veri setinin daha iyi yorumlanması için nörolog ve psikologlara yardımcı olabilecektir.