استخراج ارتباطات تأثیری بین نواحی مغز با روش های گرافیکی احتمالی و با استفاده از داده ی تصویربرداری عملکردی (fmri)

یکی از روش های غیرتهاجمی مطرح در بررسی چگونگی فعالیت ناحیه های مختلف مغز در پاسخ به فعالیت های مختلف فیزیولوژیکی، استفاده از روش تصویربرداری عملکردی مغناطیسی است که هدف از این تصویربرداری یافتن نگاشتی از مغز است که مراکز انجام فعالیت های مختلف را در مغز مشخص می کند. به طور کلّی سه نوع ارتباط ساختاری، عملکردی و تأثیری در نواحی مختلف مغز تعریف می شود: ارتباط ساختاری مشخص کننده ی راه های عصبی موجود بین دو یا چند ناحیه ی مغزی است، ارتباط عملکردی به صورت همبستگی زمانی پیشامدهای عصبی- فیزیولوژیکی نواحی جدا از هم تعریف می شود و ارتباط تأثیری جهت ارتباط یک سیستم نورونی را بر روی دیگری نشان می دهد. از بین سه نوع ارتباط تعریف شده، ارتباط های تأثیری برای فهم عملکرد کامل فعالیت رخ داده در مغز و به دست آوردن جهت ارتباط های بین نواحی فعال شده کاربرد بیشتری دارد، به این دلیل که در این نوع ارتباط برخلاف ارتباط های ساختاری و عملکردی، تعاملات دو طرفه بین نواحی فعال شده ی مغز بر روی یکدیگر نیز مورد بررسی قرار گرفته و در روش های به دست آورنده ی ارتباط های تأثیری در نظر گرفته و مدل می شوند، به همین علت پژوهش حاضر تمرکز خود را بر روی ارزیابی و مقایسه ی انواع روش های به دست آورنده ی ارتباط های تأثیری بین نواحی مغزی قرار داده است و در نهایت به علت شباهت ساختاری زیاد بین سیستم عصبی و مدل های گرافیکی احتمالی مثل روش شبکه های بیزین این روش را برای این منظور مورد استفاده قرار داده است. در پژوهش حاضر الگوریتم های مختلفی از روش شبکه های بیزین مثل: جستجوی حریصانه، الگوریتم های pc، cpc و ges بر روی داده های مصنوعی و واقعی متعدد برای به دست آوردن ارتباط های تأثیری، اجرا شده است که در بین این الگوریتم ها، الگوریتم pc نسبت به بقیه دارای نتایجی با امتیاز bic بیشتری می باشد. در نهایت این پژوهش به این نتیجه رسیده است که الگوریتم های موجود در روش شبکه های بیزین در مقایسه با سایر روش های به دست آورنده ی ارتباط های تأثیری مثل روش dcm (که نسبت به سایر روش های مطرح در این موضوع بیشترین استفاده را در سال های اخیر داشته است) دارای مزیت هایی مثل: نیاز نداشتن به فرض مدل اولیه برای اجرا، داشتن محاسبات کمتر، قابلیت کار کردن با داده های ناقص و اجرای راحت تر الگوریتم های به کار رفته، می باشد.