Geri Dön

Spatially informed voxelwisemodeling and dynamic scenecategory representation in the human brain

Uzaysal destekli voksel-bazlı modelleme ve insan beyninde dinamik sahne kategorisi temsili

PDF İndir

  1. Tez No: 708146
  2. Yazar: EMİN ÇELİK
  3. Danışmanlar: DOÇ. DR. TOLGA ÇUKUR
  4. Tez Türü: Doktora
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

İnsanlar kategori çıkarımında bulunabilmek için doğal sahnelerdeki global bilgiyi hızlıca işleme konusunda etkileyici bir yeteneğe sahiplerdir. Fakat doğal ortamda dinamik bir şekilde karşımıza çıkan sahne kategorilerinin serebral kortekste birkaç temel sahneye duyarlı bölgenin ötesinde temsil edilip edilmediği ve ediliyorsa nasıl edildiği netleşmemiştir. Bu soruyu çözümlemek için bu çalışmada denekler gerçek film sahnelerinden kesitler izlerlerken tüm beyinden kan oksijenlenme seviyesine bağlı tepkiler kaydedilerek dinamik görsel sahne temsilinin nasıl ve nerede gerçekleştiği incelenmiştir. Doğal ortamdaki nesneler ve fiillerin istatistiksel topluluğunu yansıtan sahne kategorilerine seçiciliği tahmin etmek için voksel-bazlı enkoding modellemesi yapılmıştır. Voksel-bazlı modelleme (VM) kompleks doğal uyaranlardaki zengin nitelik setine verilen tepkileri tek voksel seviyesinde tahmin etmek için kullanılan güçlü bir yöntemdir. Ancak, VM komşu vokseller arasındaki korelasyonları ihmal ettiği için yüksek seviyede ölçüm gürültüsü olduğunda işlevsel seçicilik tespitindeki hassaslık azalabilmektedir. Bu çalışmada komşu vokseller arasındaki tepki korelasyonlarından faydalanmak için uzaysal-destekli voksel-bazlı modelleme (SPIN-VM) tekniğini öne sürüyoruz. Paylaşılan bilgiyi en ideal biçimde kullanabilmek için, SPIN-VM model niteliklerine ek olarak uzaysal komşuluklar arasında da regülarizasyon uygulayarak tek voksel seviyesinde tepki tahminleri üretmektedir. VM ile karşılaştırıldığında SPIN-VM daha iyi tahminlerde bulunmakta ve korteksteki bölgesel ölçekte ahenkli bilgi temsillerini daha iyi yansıtmaktadır. Oluşturduğumuz bu sahne-kategorisi modelinin serebral kortekste geniş ölçekte görülen tepki değişiminin önemli bir kısmını açıkladığını gördük. Kortekste sahne-kategorisi seçiciliği profilleri üzerinde uygulanan küme analizi sonucunda denekler arasında tutarlı dokuz ayrı beyin bölgesi ağı tespit ettik. Bu ağlar navigasyon, insan hareketi, sosyal etkileşim, uygarlık, doğal çevre, hayvanlar, hareket enerjisi ve doku ile alakalı çeşitli dinamik sahne kategorilerine karşı heterojen seçicilik gösteriyor, bu da sahne kategorisi temsilinin oldukça karmaşık bir organizasyona sahip olduğuna işaret ediyor.

Özet (Çeviri)

Humans have an impressive ability to rapidly process global information in natural scenes to infer their category. Yet, it remains unclear whether and how scene categories observed dynamically in the natural world are represented in cerebral cortex beyond few canonical scene-selective areas. To address this question, here we examined the representation of dynamic visual scenes by recording whole-brain blood oxygenation level-dependent (BOLD) responses while subjects viewed natural movies. We fit voxelwise encoding models to estimate tuning for scene categories that reflect statistical ensembles of objects and actions in the natural world. Voxelwise modeling (VM) is a powerful framework to predict single voxel responses evoked by a rich set of stimulus features present in complex natural stimuli. However, because VM disregards correlations across neighboring voxels, its sensitivity in detecting functional selectivity can be diminished in the presence of high levels of measurement noise. Here, we introduce spatially-informed voxelwise modeling (SPIN-VM) to take advantage of response correlations in spatial neighborhoods of voxels. To optimally utilize shared information, SPIN-VM performs regularization across spatial neighborhoods in addition to model features, while still generating single-voxel response predictions. Compared to VM, SPIN-VM yields higher prediction accuracies and better capture locally congruent information representations across cortex. We find that this scene-category model explains a significant portion of the response variance broadly across cerebral cortex. Cluster analysis of scene-category tuning profiles across cortex reveals nine spatially-segregated networks of brain regions consistently across subjects. These networks show heterogeneous tuning for a diverse set of dynamic scene categories related to navigation, human activity, social interaction, civilization, natural environment, non-human animals, motion-energy, and texture, suggesting that the organization of scene category representation is quite complex.

Benzer Tezler

  1. Tez No

    847014

    Energy poverty in Türkiye: An evaluation through consensual-based indicators

    Türkiye'de enerji yoksulluğu: Uzlaşmaya dayalı göstergeler üzerinden bir değerlendirme

    FATMA YAĞMUR ÖZGÜR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Şehircilik ve Bölge PlanlamaOrta Doğu Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    DOÇ. DR. ÖZGÜL BURCU ÖZDEMİR SARI

  2. Tez No

    888583

    Changing cemetery design and ecologically informed death practices

    Değişen mezarlık tasarımları ve ekolojik bilinçli defin mekanları

    ECE ÖLÇER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mimarlıkİzmir Ekonomi Üniversitesi

    Mimarlık Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE GÖNLÜGÜR

  3. Tez No

    127524

    Kent bilgi sistemi tasarımı ve uygulaması: Pelitli Belediyesi örneği

    Urban information system design and implementation: An example of Trabzon-Pelitli Municipality

    MEHMET ÇETE

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Jeodezi ve FotogrametriKaradeniz Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU

  4. Tez No

    897115

    Utilizing remote sensing and GIS solar power sources

    Uzaktan algılama ve CBS güneş enerjisi kaynaklarından faydalanma

    SAIF AL ALLAQ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF GÜRCAN ŞAHİN

  5. Tez No

    886452

    Complaint processing system for facility management using augmented reality and building information modeling integration

    Tesis yönetimi için artırılmış gerçeklik ve yapı bilgi modellemesi entegrasyonunu kullanan şikayet işleme sistemi

    MUHAMMET DERVİŞ KOPUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNCE

Geri Dön