Post by MohammadReza Safari

واسه فهمیدن عملکرد مغز شاید بهتر باشه تحلیل شبکه و گراف بلد باشیم! تا اواخر قرن بیستم، یکی از رویکردهای غالب در علوم اعصاب، Localization of Function بود؛ یعنی هر عملکرد مغز رو میشه به یک ناحیه مشخص از مغز نسبت داد. این نگاه ریشه در مطالعات کلاسیکی مانند کشف ناحیه بروکا توسط Paul Broca در سال ۱۸۶۱ و ناحیه ورنیکه توسط Carl Wernicke در سال ۱۸۷۴ داشت و برای بیش از یک قرن، چارچوب اصلی تفسیر عملکرد مغز محسوب می‌شد. اما از دهه ۱۹۹۰، با گسترش روش‌های تصویربرداری مغز، پژوهشگران به این نتیجه رسیدند که بسیاری از عملکردهای شناختی پیچیده، حاصل فعالیت یک ناحیه منفرد نیستند، بلکه از تعامل پویا بین مجموعه‌ای از نواحی مغزی شکل می‌گیرند. اگر مغز یک شبکه است، شاید بهترین راه برای مطالعه آن نیز تحلیل شبکه‌ای باشد. در مقاله اخیر ما که به‌تازگی در IEEE Access منتشر شده، دقیقاً از همین دیدگاه استفاده شده است. ابتدا جریان جهت‌دار اطلاعات بین نواحی مختلف مغز را از سیگنال‌های EEG استخراج کردیم و سپس این ارتباطات را در قالب یک گراف به یک مدل گرافی (GCAN) دادیم تا میزان بار ذهنی افراد را تشخیص دهد. اما هدف ما صرفاً دستیابی به دقت بالاتر نبود. یکی از پرسش‌های مهم این بود که مدل دقیقاً بر اساس کدام ارتباطات مغزی تصمیم می‌گیرد؟ به همین دلیل، مدل را به‌گونه‌ای طراحی کردیم که علاوه بر عملکرد مناسب، قابل تفسیر (Explainable) نیز باشد. نتایج نشان داد ارتباطاتی که مدل بیشترین اتکا را به آن‌ها دارد، عمدتاً بین نواحی فرونتو-پاریتال و فرونتو-تمپورال قرار دارند. لینک مقاله: https://lnkd.in/eyxSutKC تیم پژوهشی ما در این مقاله: Dr. Reza Shalbaf - Dr. Ahmad Shalbaf - Dr. Sara Bagherzadeh - Shaqayeq Rohelahi