Классификация мозговой активности при помощи синолитических сетей

Известия высших учебных заведений. Прикладная нелинейная динамика. 2023. Т. 31. № 5. С. 661–669.

Власенко Д. В., Заикин А. А., Захаров Д. Г.

Поскольку мозг — это чрезвычайно сложная гиперсеть взаимодействующих между собой макроскопических подсетей, проведение полномасштабного анализа его активности представляется труднейшей задачей. Тем не менее эту задачу можно существенно упростить, анализируя соответствие различных паттернов макроскопической активности мозга, например, на снимках функциональной магнитно-резонансной томографии (фМРТ), выполнению тех или иных когнитивных задач или патологическим состояниям.

Цель данной работы — предложить и протестировать метод представления данных фМРТ в виде графов, которые отражают в себе полезную для последующей классификации информацию о взаимосвязях активности областей мозга.

Методы. В данной работе исследуется возможность применения синолитических сетей в анализе мозговой активности. В частности, был предложен метод построения графа, вершины которого отражают значения вокселей фМРТ, а ребра и веса ребер отражают взаимосвязи между вокселями фМРТ.

Результаты и Заключение. На основе классификации фМРТ данных по характеристикам графов была показана эффективность метода на основе синолитических сетей в выявлении и передаче важной для классификации информации при построении графов.

Ключевые слова: машинное обучение, классификация, когнитивные процессы, графы, machine learning, classification, fMRI, cognitive processes, graphs, функциональная магнитно-резонансная томография, synolitic networks, синолитические сети

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Активное и пассивное декодирование нейрональных процессов при выполнении когнитивных и нейроэкономических задач в норме и патологии (2023)