Statistical analysis of cognitive signals measured by fNIRS
iYKAS ile ölçülmüş bilişsel sinyallerin istatistiksel analizi
- Tez No: 232168
- Danışmanlar: DOÇ. DR. YASEMİN P. KAHYA, YRD. DOÇ. DR. ATA AKIN
- Tez Türü: Doktora
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İşlevsel yakın kırmızıaltı spektroskopinin (iYKAS) güvenilir bir nörogörüntüleme yöntemi olarak kabul edilebilmesi için sinyal işleme teknikleri açısından bir standartlaştırmaya ihtiyaç vardır. Bu tez çalışması istatistiksel çıkarsama yöntemlerinin iYKAS sinyallerine uygulanmasının kapsamlı bir olurluk incelemesini yapmayı amaçlamıştır. Sıradüzensel doğrusal modeller kullanılarak, hem klasik hem de Bayesçi çerçevede değişik yöntemlerin başarımı karşılaştırmalı olarak sunulmuştur. Bilişsel bir deney sırasında ölçülen sinyallerden elde edilen sonuçlar iYKAS'ınn hem denek hem de grup seviyesinde bilişsel aktiviteyi belirleyebildiğini göstermiştir. Yapılan analizler karışık ya da Bayesçi sıradüzensel modellerin iYKAS sinyalleri için daha uygun olduğunu ortaya koymuştur. Bununla ilintili olarak bu tez çalışmasında tartışıllan diğer bir problem istatistiksel analizin sonuçlarının altta yatan fizyolojiyle uyumunun garanti edilmesidir. Bu problem kestirilecek parametreler üzerinde kısıtlar koyulmasıyla ele alınmıştır. Ardından problemi Bayesçi bir çerçeveye taşıyarak kısıtlar önsel dağılımlara dönüştürülmüş ve Gibbs örneklemesi kullanılarak sonsal dağılımlar üzerinden çıkarsama yapılmıştır. Sonuçlar, parametre kısıtları koymanın, analizin sonucunda olası olmayan sonuçlar çıkmasını engellemenin yanı sıra ağır gürültüyle örtülmüş aktivitelerin de ortaya çıkarılması için daha etkin olduğunu ortaya koymuştur. Tezin son bölümü hipotez temelli istatistiksel çıkarsama tekniklerinden uzaklaşmakta ve bilgi-kuramsal ölçütlerin iYKAS için kullanımına giriş yapmaktadır. Bunu yaparken özellikle nöral karmaşıklık ve işlevsel topaklandırma üzerinde yoğunlaşılmış ve bu tip ölçütlerin beynin örgütleşmine ilişkin klasik istatistiksel çıkarsama yöntemleriyle fark edilmesi güç yönleri yakalayabildiği gösterilmiştir.
Özet (Çeviri)
Further standardization in signal processing tools is needed in the area of functional near infrared spectroscopy (fNIRS) before it is recognized as a reliable neuroimaging modality. This thesis study attempts to present a comprehensive analysis of the feasibility of applying statistical inference methods to fNIRS signals. Using hierarchical linear models, both classical and Bayesian techniques are pursued and performances of different methods are presented on a comparative basis. The results obtained from a set of cognitive signals show that fNIRS can identify cognitive activity both at the subject and group levels. The analysis suggests that mixed or Bayesian hierarchical models are especially convenient for fNIRS signals. A related problem that is discussed in this thesis study is to relate the outcome of the statistical analysis with the underlying physiology. This problem is studied by putting constraints over the parameters to be estimated. Carrying the problem to a Bayesian framework, the constraints were turned into prior distributions and Gibbs sampling was used to infer from the posterior distributions. The results exhibit that in addition to preventing unlikely results to appear at the end of the analysis, using parameter constraints is also more efficient in revealing activations which are obscured by heavy noise. The last part of this thesis study departs from hypothesis-based statistical inference techniques and introduces the use of information-theoretic measures for fNIRS by particularly concentrating on neural complexity and functional clustering. It is demonstrated that this type of measures may capture organizational aspects of the brain which are hard to reveal with classical statistical inference techniques.
Benzer Tezler
- Analysis of functional near infrared spectroscopy signals
Yakın kızılötesi spektroskopi işaretlerinin analizi
CEYHUN BURAK AKGÜL
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF.DR. BÜLENT SANKUR
- Longitudinal data analysis with statistical and machine learning methods in neuroscience
Sinirbilimde istatistiksel ve makine öğrenmesi yöntemleriyle boylamsal veri analizi
SERENAY ÇAKAR
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FULYA GÖKALP YAVUZ
- Beynin stroop testi uyaranlarına verdiği elektroensefalografi ve fonksiyonel yakın kızılötesi spektroskopi tabanlı cevapların, sinyal işleme ve makine öğrenmesi metotlarıyla değerlendirilmesi
Evaluation of the brain's responses to stroop test stimuli using electroencephalography and functional near-infrared spectroscopy based on signal processing and machine learning methods
ELİF UĞURGÖL
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Akım volüm halkası ile obstrüktif uyku apnesi teşhisi için makine öğrenmesi tabanlı bir yöntem geliştirilmesi
Development of a machine learning-based method for the diagnosis of obstructive sleep apnea using flow volume loop
SEVAL BULUT ERİŞ
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET RECEP BOZKURT
PROF. DR. CAHİT BİLGİN
- Deep learning-based analysis of retinal OCT) scans for diagnosis of alzheimer's disease
Optik koherens tomografi taramaları ve derin ögrenme tabanlı alzheimer hastalıgı teshisi
YASEMİN TURKAN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FAİK BORAY TEK