ارائه‌کننده: نسترن حسن زاده
استاد راهنما: دکتر محمد صنیعی آباده
استاد مشاور : دکتر نصراله مقدم چرکری
استاد داور داخلی: دکتر فوآد قادری،  دکتر هدیه ساجدی
تاریخ: 1403/12/18
ساعت: 9 تا 12
مکان: دانشکده مهندسی کامپیوتر

چکیده:
در این تحقیق، یک روش جدید مبتنی بر یادگیری ماشین برای پیش‌بینی سن مغز با استفاده از داده‌های تصویربرداری fMRI و شبکه عصبی گرافی  به همراه الگوریتم ژنتیک و تصحیح بایاس سن مغز ارائه شده است. هدف این روش بهبود دقت پیش‌بینی سن مغز و شناسایی شبکه‌های کلیدی مغزی است که تأثیر بیشتری در فرآیند پیری دارند. در ابتدا، داده‌های fMRI از مجموعه داده‌های HCP مورد پردازش و پیش‌بینی سن مغز با استفاده از شبکه عصبی گرافی انجام شد. سپس، برای افزایش دقت پیش‌بینی‌ها، تصحیح بایاس سن مغز اعمال شد تا سوگیری‌هایی که در پیش‌بینی سن مغز در افراد جوان‌تر و مسن‌تر وجود دارد، تصحیح شوند. در گام بعدی، از الگوریتم ژنتیک برای شناسایی نواحی مغزی مؤثر در پیش‌بینی سن مغز استفاده شد. این الگوریتم به‌طور هوشمندانه نواحی مغزی را جستجو کرده و زیرمجموعه‌ای از شبکه‌ها را انتخاب می‌کند که بیشترین تأثیر را بر پیش‌بینی سن دارند. نتایج نشان داد که این روش ترکیبی، علاوه بر بهبود دقت پیش‌بینی سن مغز، توانسته است نواحی مغزی کلیدی را شناسایی کند که در فرآیند پیری نقش دارند. الگوریتم ژنتیک به‌طور مؤثر توانست تعداد نواحی مؤثر را کاهش دهد و باعث شد که مدل با کمترین از دست دادن دقت، سریع‌تر به نتیجه برسد. این تحقیق به‌ویژه بر روی بهبود دقت پیش‌بینی سن مغز از طریق تکنیک‌های اصلاح بایاس سن مغز و حذف تأثیر جنسیت تمرکز کرده است، که باعث می‌شود مدل توانایی پیش‌بینی دقیق‌تر و مورد اعتمادی داشته باشد و از تأثیرات متغیرهای دیگر مانند جنسیت جلوگیری کند. نتایج این تحقیق می‌تواند برای پزشکان و محققان در حوزه‌های مختلف پزشکی و علوم عصبی مفید باشد. با استفاده از این مدل پیشرفته، پزشکان می‌توانند به‌طور دقیق‌تری سن مغز افراد را پیش‌بینی کنند و از آن برای تشخیص بیماری‌ها، ارزیابی وضعیت مغز و انجام تحقیقات علمی در زمینه پیری و سلامت مغز استفاده کنند. این روش همچنین می‌تواند به بهبود تشخیص بیماری‌های مرتبط با مغز مانند آلزایمر، پارکینسون و دیگر اختلالات عصبی کمک کند.