Decoding cognitive states using the bag of words model on fMRI time series
fMRI zaman serileri üzerinde kelime torbası modeli kullanılarak bilişsel durumların kodunun çözülmesi
- Tez No: 474930
- Danışmanlar: YRD. DOÇ. DR. EMRE AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Kelime torbası modellemesi döküman ve imge sınıflandırması çalışmalarında başarılı sonuçlar ortaya koymuştur. Bu çalışmada, algısal durumların sınıflandırması için Kelime Torbası yönteminin kullanımı incelenmektedir. Üç boyutlu voksel koordinatlarında kaydedilen Fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) zaman serisinde gömülü yaygın bir dizi küme, Kan Oksijen Seviyesine Bağımlı (KOSB) yanıtlar kümelenerek hesaplanmaktadır. Hem bireysel voksellerin hem de voksel gruplarının faaliyetlerini kodlamak için kod kelimeleri adı verilen bu yaygın kalıplar kullanılmaktadır ve üzerinde doğrusal sınıflandırıcılar eğittiğimiz Kelime Torbası gösterimleri elde edilmektedir. Çalışmamızda, uzaysal ve fonsiyonel komşuları kodlama, konumsal havuzlama ve hafif ve ağır kodlama gibi farklı Kelime Torbası gösterimleri denenmiştir. Deneysel sonuçlarımız, bireysel voksellere uygulandığında ağır Kelime Torbası kodlamasının klasik bir çoklu voksel desen analizi (ÇVDA) yöntemine göre çok sınıflı bir veri setinde sınıflandırma doğruluğunu önemli ölçüde geliştirdiğini göstermektedir (voksel başına ortalama yoğunlukta uygulandığında ortalama % 7.22 artış ve voksel başına ham zaman serisi yoğunluğuna uygulandığında ortalama % 15.52 artış). Bu ön sonuç, fMRG verisiyle insan beynini incelemek için çeşitli algısal durumları gösterecek bir kod kitabı üretmek adına bir ipucu vermektedir.
Özet (Çeviri)
Bag-of-words (BoW) modeling has yielded successful results in document and image classification tasks. In this study, we explore the use of BoW for cognitive state classification. We estimate a set of common patterns embedded in the Functional Magnetic Resonance Imaging (fMRI) time series recorded in three dimensional voxel coordinates by clustering the Blood Oxygen Level Dependent (BOLD) responses. We use these common patterns, called the code-words, to encode activities of both individual voxels and group of voxels, and obtain BoW representations on which we train linear classifiers. We experimented with a number of different BoW representations such as encoding spatial and functional neighbors, spatial pooling, and soft and hard encoding. Our experimental results show that, on a multiclass fMRI dataset, the hard BoW encoding, when applied to individual voxels, significantly improves the classification accuracy (an average 7.22 % increase when applied on average intensity per voxel and an average 15.52 % increase when applied to raw intensity time series per voxel) compared to a classical multi voxel pattern analysis (MVPA) method. This preliminary result gives us a clue to generate a code-book for fMRI data which may be used to represent a variety of cognitive states to study the human brain.
Benzer Tezler
- Modeling brain networks with artificial neural networks
Beyin ağlarının yapay sinir ağlarıyla modellenmesi
BARAN BARIŞ KIVILCIM
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
DR. ITIR ÖNAL ERTUĞRUL
- 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
- Multi-subject brain decoding using deep learning techniques
Derin öğrenme yöntemlerini kullanarak çok denekli beyin okuma
BURAK VELİOĞLU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
YRD. DOÇ. DR. ŞEYDA ERTEKİN BOLELLİ
- An information-theoretic representation of human brain for decoding mental states of complex problem solving
Karmaşık Problem Çözmenin Zihinsel Durumlarının Bilgi Teorisiyle Temsili
GÖNÜL GÜNAL DEĞİRMENDERELİ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Supervised and unsupervised models of brain networks for brain decoding
Beyin durumu tanıma için gözetimli ve gözetimsiz olarak oluşturulan beyin ağları
ABDULLAH N.A. ALCHIHABI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL