Important issues for brain connectivity modelling by discrete dynamic bayesian networks

Beyindeki altta yatan sinirsel mekanizmaları anlamak için beyin bölgeleri arasındaki etkin bağlantısallığı göz önünde bulundurmak önemlidir. Ayrık Dinamik Bayes Ağları (dDBN), doğrusal olmayan ve olasılıklı doğası nedeniyle beynin etkin bağlantısallığını modellemek için önerilmiştir. Ayrık dinamik Bayes ağını (dDBN) kullanarak beyin bağlantısallığını modellerken, modelin sınırlı beyin görüntüleme verilerine rağmen dahili beyin yapısını doğru bir şekilde yansıttığından emin olmalıyız. Literatürde çok sayıda dDBN yapısı öğrenme uygulamasının bulunmasına ve çoğunun çok sınırlı miktarda veri kullanmasına bağlı olarak, en azından veri sayısına, model karmaşıklığına ve öğrenme yaklaşımına bağlı olan model yakınsaması için bazı gerçekler açıkça belirtilmelidir. Bu tezde, başarılı bir öğrenmeyi garanti eden gerekli sayıda örneği bulmak için dDBN'nin örnek karmaşıklığını analiz ettik. İlk olarak, dDBN yapı öğrenmesi için teorik örnek karmaşıklığını bulduk. Bununla birlikte, teorik örneklem miktarı gerçekçi, pratik ve dDBN için geçerli değildir. Bu nedenle, dDBN için örnek karmaşıklığını analiz etmek için pratik ve sistematik bir yaklaşıma odaklandık. Ayrıca, bilgimiz dahilinde henüz yapılmayan fMRI verileri için denetimsiz ayrıklaştırma yöntemlerini de değerlendirdik. Zamansal ilişkilere sahip sentetik fMRI verileri oluşturduk. Daha sonra, bu veri her bir ayrıklaştırma yönteminin performansını karşılaştırmak için dDBN tarafından etkin bağlantısallığı modellemek için kullanıldı. Üçüncü olarak, sinyal-gürültü oranını iyileştirmek için gerekli olan fMRI verilerinin yumuşatma aşamasını analiz ettik. Deneyler, standart sapması 4 mm olan Gauss fonksiyonu ile fMRI verilerinin yumuşatılmasının, dDBN ile yapılan etkin bağlantısallık göz önüne alındığında uygun olduğunu göstermiştir. Son olarak, bu sonuçları dikkate alarak, şizofreni ve kontrol grubunda beyin bağlantısını modellemek için dDBN kullandık. Sonuçlar, şizofreninin bir kopukluk sendromu olduğunu göstermiştir.