شناسایی نواحی فعال مغز انسان در ارتباط با دسته های معنایی کلمات با استفاده از داده های Fmri

این پرسش که چگونه مغز انسان دانش معنایی را تبیین می کند، در زمینه های علمی مختلفی مورد بحث بوده است. دانش تصویربرداری از مغز نشان داده است که تفکر درباره دسته های معنایی مختلفی از تصاویر و کلمات باعث ایجاد الگوهای مشخصی از فعالیت های نورون ها در مغز می شود. در این مقاله با استفاده از داده های تحقیقاتی که در قبل انجام شده، مدلی ارایه خواهیم کرد که در آن به پیش بینی تصاویر اف.ام.آر.آی حاصل از فعالیت نورون های مغز در ارتباط با معانی کلمات می پردازیم. و با بکار گیری الگوریتم ژنتیک چند هدفه و انتخابزیر مجموعه ای بهینه از واکسل های فعال مغز، دسته بندی دقیقی از غشاهای فعال مغز انسان در ارتباط با 12 دسته معنایی مشخص شده از کلمات ارایه می کنیم. مدل مذبور با ویژگی های معنایی مرتبط با محرک ها و تصاویر اف.ام.آر.آی موجود، آموزش داده می شود. پس از پایان عملیات آموزش مدل با دقت بسیار بالایی، توانایی پیش بینی تصاویر اف.ام.آر.آی مرتبط با کلمات جدید را خواهد داشت. و از نتایج به دست آمده مشخص می شود که دسته های معنایی مختلف از کلمات، قسمت های بخصوصی از مغز انسان را تحت تاثیر قرار می دهند.

Keywords:

اف.ام.آر.آی , دسته معنایی کلمات , اعتبار سنجی تقاطعی , انتخاب زیر مجموعه از واکسل ها , الگوریتم ژنتیک چند هدفه