ارائه کننده: محمدرضا غلامی استاد راهنما: دکتر منصوره پاکرواناستاد ناظر داخلی اول: دکتر زهرا بهمنی دهکردیاستاد ناظر خارجی اول: دکتر محمدباقر شمس اللهی تاریخ: ۱۴۰۳/۱۲/۰۴ ساعت: ۸:۳۰ تا ۱۰ مکان: دانشکده‌ ی مهندسی برق و کامپیوتر، طبقه پنجم، اتاق شیشه‌ ای

چکیده: در سال‌ های اخیر، شبکه‌ های عصبی گرافی به‌ دلیل توانایی در مدل‌ سازی داده‌ های پیچیده، به‌ ویژه در حوزه علوم اعصاب محاسباتی، مورد توجه قرار گرفته‌ اند. در این پژوهش، با هدف مطالعه‌ ی تفاوت‌ های کارکردی مغز در گروه‌ های سنی مختلف و همچنین طبقه‌ بندی افراد سالم و مبتلا به کوری چهره (DP)، ابتدا از داده‌ های تصویربرداری fMRI برای استخراج گراف‌ های علّی مغز استفاده شد. برای استخراج گراف‌ های علّی از هر مجموعه داده به ترتیب از الگوریتم‌ های NOTEARS و DAG-GNN استفاده شد. سپس، ویژگی‌ های گره‌ ها به دو روش سنتی از جمله مرکزیت، ‌ تعدادیال‌ های ورودی و خروجی از گره‌ ها و مدرن از جمله DeepWalk و Node2Vec محاسبه و در اختیار مدل‌ های مختلف شبکه‌ های عصبی گرافی قرار گرفت. در بخش اوّل، روند تغییرات بردارهای ویژگی در سه گروه سنی خردسالان، کودکان و بزرگسالان هنگام تماشای فیلم بررسی شد. نتایج نشان داد در نواحی مرتبط با تئوری ذهن و شبکه‌ ی مربوط به درک مکان شباهت ویژگی‌ ها با افزایش سن کاهش معناداری دارد در حالی که برخی نواحی نیز فاقد روند معنادار بودند. در بخش دوّم، با هدف تفکیک افراد سالم و بیماران مبتلا به DP، معماری‌ های مختلف شبکه‌ های عصبی گرافی بر اساس اطلس‌ های گوناگون ارزیابی شدند. بهترین نتیجه با مدل سه‌ لایه‌ ی GAT با اتصالات باقی‌ مانده و ویژگی‌ های استخراج‌ شده توسط الگوریتم   DeepWalk برای اطلس JHU به‌ دست آمد که دقت ٪۱.۸۷ ± ٪۸۹.۵ را در طبقه‌ بندی ارائه کرد. همچنین، تفسیرپذیری مدل با کمک الگوریتم GNNExplainer نشان داد مسیرهای عصبی مهمی نظیر تاج درخشان (قدامی، فوقانی و خلفی)، کپسول داخلی (شاخه قدامی و خلفی) و   تابش‌ های بینایی بیشترین نقش را در تشخیص این اختلال دارند.