Dekodeerimise tagamaad: fMRI andmete esituste sarnasuse analüüs

Date

2015

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Andmeesituste sarnasuse analüüs on uudne andmeanalüüsimeetod neuroteaduste kontekstis, mis pakuti välja Kriegeskorte et al. poolt artiklis [KMB08]. Selle eesmärgiks on ühendada erinevaid neuroteaduste harusid, luues ühtne raamistik erinevaid kognitiivseid protsesse esindavate aktiivsusmustrite omavaheliseks võrdlemiseks ajus. Raamistik võimaldab omavahel võrrelda tegevusmustreid, mis pärinevad erinevatest allikatest, nagu erinevatelt katsealustelt, liikidelt või on mõõdetud kasutades erinevaid tehnoloogiaid nagu elektroentsefalograafia (EEG) või funktsionaalse magnetresonantstomograafi (fMRI) abi. Andmeesituste sarnasuse analüüsi keskne idee seisneb nende mustrite omavahelise sarnasuse võrdlemises. Üks lahtisi küsimusi selles valdkonnas seisneb sobivate mõõdikute leidmises funktsionaalse magnetresonantstomograafi poolt mõõdetud aktiivsusmustrite omavahelise sarnasue hindamiseks. Käesolev magistritöö viib läbi andmeesituste sarnanuse analüüsi ühe neuroteadustes teada tuntud fMRI andmestiku peal[HGF 01]. Analüüsi käigus uuritakse erinevate kaugusmõõdikute mõju andmeesituste sarnasuse analüüsi lõpptulemustele ja antakse sellest põhjalik ülevaade. Kokku on uurimise all 9 erinevat kaugusmõõdikut. Käesoleva töö tulemusena valmib põhjalik ülevaade erinevate kaugusmõõdikute mõjust andmeesituste sarnasuse analüüsile, mida on võimalik kasutada edasistes neuroteaduse alastes uurngutes hindamaks erinevate kaugusmõõdikute sobivust mõne konkreetse uurimustöö kontekstis. Lisaks kaugusmõõdikute võrdlemisele pakub käesolev töö välja ka ühe uudse kasutusjuhu andmeesituste sarnasuse analüüsile. Nimelt on võimalik kõnealust meetodit kasutada ka erinevate lähteandmetele rakendatavate teisenduste mõju visuaalseks hindamiseks.
Representational similarity analysis is a novel data analysis technique in neuroscience first proposed by Kriegeskorte et al. in [KMB08]. It aims to connect different branches of neuroscience by providing a framework for comparing activity patterns in the brain that represent some cognitive processes. These activity patterns can come from various sources, like different subjects, species or modalities like electroencephalography (EEG) or functional magnetic resonance imaging (fMRI). The central concept of RSA lies in measuring the similarity between these activity patterns. One of the open questions regarding RSA is what distance measures are best suited for measuring the similarity between activation patterns in neuronal or fMRI data. In this thesis RSA is implemented on a well known fMRI dataset in neuroscience, that was produced by a studying the categorical representations of objects in the ventral temporal cortex of human subjects [HGF + 01]. We carry out RSA on this dataset using different notions of distance and give an overview of how the end results of the analysis are affected by each distance notion. In total 9 different distance measures were evaluated for calculating the similarity between activation patterns in fMRI data. The results provided in this thesis can be used by researchers leveraging RSA to select distance measures for their studies that are most relevant to their particular research questions at hand. In addition to the comparison of distance notions, we also present a novel use case for RSA as a tool to visualize the global effects different transformations can have on the input dataset.

Description

Keywords

Citation