Yerel Voksel Ağları Ile Beyin Verisi Üzerinden Bilişsel Süreçlerin Modellenmesi Ve Otomatik Olarak Tanınması

Download
2015
Yarman Vural, Fatoş Tunay
Öztekin, İlke
Aksan, Emre
Velioğlu, Burak
Afrasiyabi, Arman
Alkan, Sarper
Yapay zeka konusunda çalışan araştırmacılar, insan zekasınından esinlenerek, insan zekasına benzeyen yapay sistemleri geliştirmeye çalışmaktadır. Temel amaç insan gibi düşünen, insan gibi öğrenen ve problem çözebilen makinalar yapabilmektir. Bu sistemlerle ilgili yazılım ve donanımları geliştirebilmek üzere birçok matematiksel yöntem ve algoritmalar geliştirilmiştir. Bu yöntemler sayesinde nesneleri algılama, tanıma, sınıflama ve öğrenme gibi önemli bilişsel süreçlerin matematiksel modelleri oluşturulmuştur. Bu projede, yapay zeka algoritmaları için geliştirilen yöntemleri kullanarak, bilişsel süreçleri (örneğin bellek, öğrenme, duygulanım) modelledik. Diğer bir deyişle, bugüne kadar insan zekasını taklit ederek geliştirdiğimiz yapay zeka yöntemlerini tersinir bir mühendislikle geri çevirerek doğal zekayı modellemek üzere kullandık. Modellerimizi bilişsel süreçler sırasında kaydededilen fonksiyonel Manyetik Resonans Görüntüleri (fMRG) kullanarak oluşturduk. Bunun için, bir dizi bilişsel deney tasarladık ve bu deneyleri denekler üzerinde uygularken fMRG sinyallerini kaydettik. Böylece, elde ettiğimiz etiketli öğrenme verilerini geliştirdiğimiz makine öğrenme algoritmalarını eğitmek için kullandık. Projenin en önemli çıktılarından birisi de oluşturulan modellerin ve elde edilen fMRG verilerinin, web tabanlı bir ortamda tüm araştırmacıların hizmetine açılmasıdır. Böylece oluşturulduğumuz metodoloji ve programları nörobilimciler veri analizinde kullanabilecekler ve kendi fMRG verilerini de modelleyebileceklerdir. Proje kapsamında geliştirdiğimiz matematiksel beyin modeline Yerel Voksel Ağları (YVA) adını verdik. İnsan-bilgisayar etkileşimi teknolojileri için bilimsel bir altyapı oluşturma potansiyeline sahip olan bu model, iki farklı veri seti üzerinde gerçekleştirilen deneylerde, literatürde yoğun olarak kullanılan diğer Çoklu Voksel Örüntü Analizi (ÇVÖA) yöntemlerine göre daha başarılı sonuçlar ortaya koyduğu anlaşılmıştır. Yerel Voksel Ağları yöntemi, fMRG sinyalllerinin en küçük birimi olan voksellerden elde edilen zaman serileri arasındaki ilişkiyi doğrusal denklemlerle modellemektedir. İnsan beyninde, birbirine yakın nöronların benzer aktiviteler gösterdiği bilinmektedir. Bu yerel benzerlik, birbirine yakın vokseller arasındaki ilişkinin doğrusal olduğunu göstermektedir. Bazen de birbirinden uzak vokseller de beyindeki direk yollar aracılığı ile benzer aktivasyonlara sahip olabilmektedir. Bu tür vokseller yerel olarak değil de fonksiyonel olarak birbirine komşu kabul edilebilir. Geliştirmiş olduğumuz bu yeni komşuluk sistemine fonksiyonel komşuluk adını verdik. Ve vokseller arasındaki doğrusal ilişkiyi, “Fonksiyonel Komşuluk” adını verdiğimiz bu ölçütü kullanarak modelledik. YVA modelinin, FMRG sinyallerinden gelen ham özniteliklere göre, bilişsel süreçleri etiketleme konusunda daha başarılı olduğunu deneysel olarak gösterdik. Proje kapsamında öncelikle fMRG verisi toplamak üzere bir dizi deney tasarladık ve bu deneyleri Bilkent Üniversitesi UMRAM merkezinde gerçekleştirdik. Bunun için insan beyninin bilgileri nasıl depolandığını ve nesneleri nasıl tanıdığını anlamak üzere 3 değişik deney yaptık. Bu deneylerde değişik nesnelerin tanındığı etiketli fMRG verileri elde ettik. Daha sonra verileri işleyerek gürültülerden arındırmaya çalıştık ve modelimiz için uygun hale getirdik. Kullandığımız görüntü iyileştirme teknikleri ile, YVA yönteminde elde edilen etiketleme performansını arttırdık. YVA yöntemi sonucunda elde edilen beyin ağını kullanılarak birçok öznitelik oluşturulabilir. Biz bu çalışmada YVA’ dan elde ettiğimiz kenar ağırlıklarını öznitelik olarak kullanarak Yapay Sinir Ağları, Destek Vektör Makinaları ve k-En Yakın komşuluk gibi çeşitli sınıflandırıcıları eğittik. Bunların içinde en başarılı olanları seçerek performansları ölçtük. Yöntemin başarılı sonuçlar vermesi neticesinde, doğrusal ilişki özniteliklerinin çıkarılma adımının hızlandırılması için GPU programlama tekniklerinden faydalandık. Son olarak da ortaya çıkarılan özniteliklerin beyin modeli üzerinde bilim insanlarına sunulması için, proje kapsamında bir kullanıcı ara yüzü geliştirdik. Böylece, oluşturduğumuz beyin ağlarını bilim insanlarının kullanımına sunmayı hedefledik.