ارائه کننده: محمدرضا غلامی
استاد راهنما: دکتر منصوره پاکروان
استاد ناظر داخلی اول: دکتر زهرا بهمنی دهکردی
استاد ناظر خارجی اول: دکتر محمدباقر شمس اللهی
تاریخ: 1403/12/04
ساعت: 8:30 تا 10
مکان : دانشکده‌ی مهندسی برق و کامپیوتر، طبقه پنجم، اتاق شیشه‌ای

چکیده:
در سال‌های اخیر، شبکه‌های عصبی گرافی به‌ دلیل توانایی در مدل‌سازی داده‌های پیچیده، به‌ویژه در حوزه علوم اعصاب محاسباتی، مورد توجه قرار گرفته‌اند. در این پژوهش، با هدف مطالعه‌ی تفاوت‌های کارکردی مغز در گروه‌های سنی مختلف و همچنین طبقه‌بندی افراد سالم و مبتلا به کوری چهره (DP)، ابتدا از داده‌های تصویربرداری fMRI برای استخراج گراف‌های علّی مغز استفاده شد. برای استخراج گراف‌های علّی از هر مجموعه داده به ترتیب از الگوریتم‌های NOTEARS و DAG-GNN استفاده شد. سپس، ویژگی‌های گره‌ها به دو روش سنتی از جمله مرکزیت،‌ تعدادیال‌های ورودی و خروجی از گره‌ها و مدرن از جمله DeepWalk و Node2Vec محاسبه و در اختیار مدل‌های مختلف شبکه‌های عصبی گرافی قرار گرفت. در بخش اوّل، روند تغییرات بردارهای ویژگی در سه گروه سنی خردسالان، کودکان و بزرگسالان هنگام تماشای فیلم بررسی شد. نتایج نشان داد در نواحی مرتبط با تئوری ذهن و شبکه‌ی مربوط به درک مکان شباهت ویژگی‌ها با افزایش سن کاهش معناداری دارد در حالی که برخی نواحی نیز فاقد روند معنادار بودند. در بخش دوّم، با هدف تفکیک افراد سالم و بیماران مبتلا به DP، معماری‌های مختلف شبکه‌های عصبی گرافی بر اساس اطلس‌های گوناگون ارزیابی شدند. بهترین نتیجه با مدل سه‌لایه‌ی GAT با اتصالات باقی‌مانده و ویژگی‌های استخراج‌شده توسط الگوریتم  DeepWalk برای اطلس JHU به‌دست آمد که دقت ٪1.87 ± ٪89.5 را در طبقه‌بندی ارائه کرد. همچنین، تفسیرپذیری مدل با کمک الگوریتم GNNExplainer نشان داد مسیرهای عصبی مهمی نظیر تاج درخشان (قدامی، فوقانی و خلفی)، کپسول داخلی (شاخه قدامی و خلفی) و  تابش‌های بینایی بیشترین نقش را در تشخیص این اختلال دارند.