Geri Dön

Graph theory to study complex networks in the brain

Beyindeki kompleks ağları analiz etmek için graf teorisi

  1. Tez No: 498470
  2. Yazar: MITE MIJALKOV
  3. Danışmanlar: YRD. DOÇ. DR. GIOVANNI VOLPE
  4. Tez Türü: Doktora
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Malzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 300

Özet

Beyin, karmaşık ve geniş kapsamlı nöral ağlardan oluşmakta ve bu yapılara da“konektom”adı verilmektedir. Bu sebeple, beyin, düğüm ve kenarlardan oluşan bir ağ olarak düşünüldüğünde, graf teori konseptleri ile beynin organizasyonuyla alakalı çeşitli analizler yapılabilir. Bu çalışmada, beynin bağlantı analizini yapmak için MatLab temelli, nesne odaklı, ücretsiz bir yazılım olan BRAPH (Graf teori ile beyin alanizi) geliştirilmiştir. BRAPH, kullanımı kolay bir arayüze sahiptir ve bağlantı analizi yapan kullanıcıyı çeşitli şekillerde yönlendirmektedir (komşuluk matrisi hesaplama, genel ve bölgesel ölçü analizi, non-parametrik permütasyon yöntemi ile gruplar arası karşılaştırma ve ağ içerisindeki alt grupları analiz etme gibi). BRAPH ile yapılabilecekleri göstermek amacıyla, iki farklı çalışmada yapısal ve fonksiyonel bağlantı analizi yapılmıştır. Graf teori kullanılarak, sMCI, lMCIc, eMCIc ve AD hastalarından elde edilen yapısal MRI datası yönlendirilmemiş ağlarda analiz edildiğinde anormal organizasyon gözlenmiştir. Kontrol gruplarıyla kıyaslandığında, bu hastalarda, genel seviyede gruplaşma ve geçişliliğin azalması, aynı zamanda yol uzunluğunun ve modülaritenin artması, düğüm seviyesinde ise düğüm gruplaşmasında ve merkeze yakınlıkta değişimler gösterilmiştir. Burada, yönlendirilmemiş analizlerde farklılık göstermeyen örneklerin nörodejeneratif hastalıklardan kaynaklı topolojik değişimlerinin incelenmesi için yönlendirilmiş ağlarla analiz edilmesi önerilmektedir. Alzheimer ve Parkinson hastaları için gecikmiş korelasyon katsayıları ile yapılan yönlendirilmiş ağlar analizi sonucunda, bahsedilen değişikliklerin tespit edilebildiği gösterilmiştir. Son olarak, nöronların dinamik yapısındaki gecikmeleri kullanarak beyin konektomunun rekonstrüksiyonunu geliştiren bir yöntem ileri sürülmektedir. İleri sürülen“gecikmiş korelasyon”metodunun, simüle edilen ağlardaki gerçek bağlantıları %70-80 oranında doğru tespit ettiği, aynı zamanda genel ve boğum özelliklerinin tespitinde de oldukça iyi olduğu gösterilmiştir.

Özet (Çeviri)

The brain is a large-scale, intricate web of neurons, known as the connectome. By representing the brain as a network i.e. a set of nodes connected by edges, one can study its organization by using concepts from graph theory to evaluate various measures. We have developed BRAPH - BRain Analysis using graPH theory, a MatLab, object-oriented freeware that facilitates the connectivity analysis of brain networks. BRAPH provides user-friendly interfaces that guide the user through the various steps of the connectivity analysis, such as, calculating adjacency matrices, evaluating global and local measures, performing group comparisons by non-parametric permutations and assessing the communities in a network. To demonstrate its capabilities, we performed connectivity analyses of structural and functional data in two separate studies. Furthermore, using graph theory, we showed that structural magnetic resonance imaging (MRI) undirected networks of stable mild cognitive impairment (sMCI) subjects, late MCI converters (lMCIc), early MCI converters (eMCIc), and Alzheimer's Disease (AD) patients show abnormal organization. This is indicated, at global level, by decreases in clustering and transitivity accompanied by increases in path length and modularity and, at nodal level, by changes in nodal clustering and closeness centrality in patient groups when compared to controls. In samples that do not exhibit differences in the undirected analysis, we propose the usage of directed networks to assess any topological changes due to a neurodegenerative disease. We demonstrate that such changes can be identified in Alzheimer's and Parkinson's patients by using directed networks built by delayed correlation coefficients. Finally, we put forward a method that improves the reconstruction of the brain connectome by utilizing the delays in the dynamic behavior of the neurons. We show that this delayed correlation method correctly identifies 70% to 80% of the real connections in simulated networks and performs well in the identification of their global and nodal properties.

Benzer Tezler

  1. EEG tabanlı fonksiyonel beyin ağlarının aritmetik başarı ve cinsiyet açısından incelenmesi

    An investigation of EEG-based functional brain networks in terms of arithmetic success and gender

    SAİT DEMİR

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKER TÜRKER

  2. Characterizing and detecting cohesive subgroups with applications tosocial and brain network

    Yogun ve uyumlu alt grupları karakterize etme ve tespit etme, sosyal media ağları ve beyin ağlari

    MAKBULE ZEYNEP ERTEM OKTAY

    Doktora

    İngilizce

    İngilizce

    2015

    Endüstri ve Endüstri MühendisliğiTexas A&M University

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SERGİY BUTENKO

  3. Multimodal bağlantı analizleri

    Multimodal connectivity analysis

    ÖZGÜN ÖZALAY

    Doktora

    Türkçe

    Türkçe

    2019

    NörolojiEge Üniversitesi

    Sinir Bilimi Ana Bilim Dalı

    PROF. DR. ALİ SAFFET GÖNÜL

  4. Türkiye'de iç hatlarda havayolu yolcu taleplerinin yapay sinir ağları kullanarak tahmini

    Forecasting of passenger demands in domestic air transportation using artificial neural network in Turkey

    İSMAİL KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. EMEL ARSLAN

  5. Karmaşık ağlardaki modül yapılarının ve anlamlı alt-ağların tespiti

    Detection of module structures and significant sub-networks in complex networks

    YILMAZ ATAY

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİFE KODAZ