fMRI verisi kullanarak bilişsel hal tasnifinde öznitelik seçim tekniklerinin değerlendirilmesi ve iyileştirilmesi
Evaluation and improvement of feature selection techniques for cognitive state classification using fMRI data
- Tez No: 341182
- Danışmanlar: YRD. DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Son zamanlardaki araştırmalar insan deneklerin fMRI (fonksiyonel manyetik rezonans görüntüleme) verisini kullanarak bilişsel hal ayırt etmenin mümkün olduğunu göstermiştir. fMRI verisinin sınıflandırılmasını güçleştiren en büyük engellerden biri verinin yüksek boyutlu ve seyrek olmasıdır. Tek bir fMRI enstantanesi binlerce voxel bulundurabilir ve bir deney bir çok fMRI enstantanesi barındırdığından verinin boyutu kolaylıkla on binleri geçebilir. Şu halde öznitelik seçimi yöntemlerinin kullanılması hem sınıflandırma hem de çalışma zamanı başarımları bakımlarından zorunluluk halini almıştır. Bu yüzden gerek genel gerekse fMRI verisine özgü bir çok öznitelik seçim yöntemi çalışılmıştır. Şimdiye kadarki en iyi yöntemlerden biri de aktif olarak adlandırılan fMRI verisine özgü öznitelik seçim yöntemidir. Bu çalışmada genetik algortima öznitelik seçimi başarımının arttırılmasını sağlamak için aktif yöntemi ile birleştirilmiştir. Özel olarak, öncelikle aktif yöntem kullanılarak öznitelik boyutunu azaltıp, sonra bu indirgenmiş uzayda genetik algoritma kullanılarak diğerlerinden daha çok bilgi taşıyan öznitelikler aranmıştır. Bu yöntem yardımıyla aktif yöntemi ile benzer başarı seviyesi, aktif yöntemin sunduğundan çok daha az sayıda voxel kullanılarak, sağlanabilmiştir.
Özet (Çeviri)
Recent research has shown that it is possible to classify cognitive states of human subjects based on fMRI (functional magnetic resonance imaging) data. One of the obstacles in classifying fMRI data is the problem of high dimensionality. A single fMRI snapshot consists of thousands of voxels and since a single experiment contains many fMRI snapshots, the dimensionality of an fMRI data instance easily surpasses the order of tens of thousands. So, feature selection methods become a must from both classification and running time performance points of view. To this end several feature selection methods are studied, either general or specific to fMRI data. So far, one of the best such methods, which is specific to fMRI data, is called the ?active? method. In this work we combine genetic algorithms with the active method in order to improve the performance of feature selection. Specifically, we first reduce the feature dimension using the active method and search for informative features in that reduced space using genetic algorithms. We achieve similar levels of classification performance using much less number of voxels than active method offers.
Benzer Tezler
- Optimization and machine learning in MRI: Applications in rapid mr image reconstruction and encoding models of cortical representations
MRG'de optimizasyon ve makine öğrenimi: Hızlı mr görüntü rekonstrüksiyonu vebeyindeki temsillerin kodlama modellerine uygulanışı
MOHAMMAD SHAHDLOO
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA ÇUKUR
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Learning transferability of cognitive tasks by graph generation for brain decoding
Beyin çözümlemesi için bilişsel görevlerin aktarılabilirliğinin grafik üretimi ile öğrenimi
BİLGİN COŞKUN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Representation of human brain by mesh networks
İnsan beyninin örgü ağları ile gösterimi
ITIR ÖNAL ERTUĞRUL
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR