شناسايي ارتباطات مؤثر مغزي حالت استراحت fMRI با استفاده از تحليل مولفه‎هاي اصلي و علّيت گرنجر

در اين مقاله هدف ما ارائه روشي براي استخراج ارتباطات موثر مغزي بين نواحي مختلف مغزي درداده‎هاي fMRI به كمك بهره‎گيري از تحليل مولفه اصلي (PCA ) در علّيت گرنجر (GCA ) در پژوهش‎هاي تك سوژه‎اي است. براي بررسي صحت روش پيشنهادي از داده‎هاي شبيه‎سازي و دادههاي تجربي fMRI استفاده شده است. در روش مرسوم براي تحليل علّيت گرنجر سري‎هاي زماني هر ناحيه ميانگين‎گيري شده و ميانگين به عنوان نماينده‎ي ناحيه در نظر گرفته مي‎شود. در روش پيشنهادي سري‎هاي زماني ناحيه مورد بررسي به كمك PCA كاهش يافته و مولفه‎هاي اصلي (سري‎هاي زماني تحليل PCA) براي هر منطقه جهت ارزيابي ارتباطات مؤثر به وسيله‎ي تحليل علّيت گرنجر بررسي مي‎شود. آناليز داده‎هاي شبيه‎سازي در اين پژوهش نشان مي‎دهد كه الگوريتم پيشنهادي ما به دليل حفظ اطلاعات بيشتر از سري‎‎هاي زماني موجود در يك منطقه نسبت به الگوريتم¬ رايج بهتر قادر است مناطق داراي علّيت را شناسايي كند. آناليز داده¬هاي واقعي fMRI در 31 سوژه¬ي مورد بررسي، به طور ميانگين در هر فرد تعداد 42.67 (با كمينه تعداد 12 و بيشينه تعداد 114) علّيت گرنجر را تشخيص داده است.