شناسایی ارتباطات موثر مغزی حالت استراحت fMRI با استفاده از تحلیل مولفه های اصلی و علیت گرنجر

در این مقاله هدف ما ارایه روشی برای استخراجارتباطات موثر مغزی بین نواحی مختلف مغزی درداده های fMRIبه کمک بهرهگیری از تحلیل مولفه اصلی (PCA) در علیت گرنجر(GCA) در پژوهش های تک سوژه ای است. برای بررسی صحت روش پیشنهادی از داده های شبیه سازی و داده های تجربی fMRIاستفاده شده است. در روش مرسوم برای تحلیل علیت گرنجرسری های زمانی هر ناحیه میانگین گیری شده و میانگین به عنواننماینده ی ناحیه در نظر گرفته می شود. در روش پیشنهادیسری های زمانی ناحیه مورد بررسی به کمک PCA کاهش یافتهو مولفه های اصلی (سری های زمانی تحلیل PCA) برای هر منطقهجهت ارزیابی ارتباطات موثر به وسیله ی تحلیل علیت گرنجربررسی می شود. آنالیز داده های شبیه سازی در این پژوهش نشانمی دهد که الگوریتم پیشنهادی ما به دلیل حفظ اطلاعات بیشتراز سری های زمانی موجود در یک منطقه نسبت به الگوریتم رایجبهتر قادر است مناطق دارای علیت را شناسایی کند. آنالیز داده هایواقعی fMRI در 31 سوژه ی مورد بررسی، به طور میانگین در هر فرد تعداد 43.67 (با کمینه تعداد 12 و بیشینه تعداد 114) علیتگرنجر را تشخیص داده است.

کلیدواژه ها:

آنالیز مولفه اصلی ، ارتباطات موثر ، تصویربرداری تشدید مغناطیسی عملکردی ، علیت گرنجر