Lokalizacija jezikovnih omrežij na podlagi strukturnih slik in mirovne funkcijske povezanosti možganov

• Main Author: Dvoršak, Lea
• Other Authors: Repovš, Grega
• Format: Master Thesis
• Language: Slovenian
• Published: L. Dvoršak 2023
• Subjects: lateralizacija jezika; možgani; funkcijska povezanost; mirovno stanje; nevronske mreže; language lateralization; brain; functional connectivity; resting state; neural networks; info:eu-repo/classification/udc/616.8:612.82(043.2); sami
• Online Access: https://repozitorij.uni-lj.si/IzpisGradiva.php?id=144782; https://repozitorij.uni-lj.si/Dokument.php?id=167291&dn=; https://plus.cobiss.net/cobiss/si/sl/bib/146597123; https://hdl.handle.net/20.500.12556/RUL-144782

Pri načrtovanju nevrokirurških posegov je opredelitev možganski področji vključenih v govor in jezik izjemnega pomena. Nekatere osebe zaradi intelektualne manjzmožnosti ali drugih nevrorazvojnih razlogov ne zmorejo sodelovati pri standardnih postopkih lokalizacije jezika. Obenem je v tej skupini oseb verjetnost za pojav neobičajne razporeditve možganskih področij, ki podpirajo govor in jezik, bistveno večja. Zaradi potrebe po prepoznavanju lateralizacije jezika pri teh osebah smo v magistrski nalogi preučili, ali je možno iz strukturnih slik možganov ter funkcijske povezanosti možganskih področij v stanju mirovanja, prepoznati posameznikovo dominantno možgansko poloblo za govor. Za izvedbo naloge smo uporabili javno dostopne podatke zdravih posameznikov (N = 962) iz Projekta človeški konektom, starih med 22 in 36 let. Vsak udeleženec se je udeležil dveh snemanj s funkcijsko magnetno resonanco v različnih dneh, v okviru katerih so bile zajete strukturne slike možganov, funkcijske slike med mirovanjem ter funkcijske slike med izvedbo kognitivnih nalog, med drugim tudi med izvedbo jezikovne naloge, ki je vsebovala kratke slušne zgodbe, ki jim je sledilo vprašanje prisilne izbire z dvema alternativama. Matriko funkcijske povezanosti v mirovanju smo analizirali z merami teorije grafov. Posamezno strukturno mero smo povprečili znotraj vsake možganske funkcijske parcele. Strukturne in omrežne mere so predstavljale vhodne spremenljivke strojnega učenja, na podlagi katerih se je algoritem učil prepoznati lateralizacijo jezika, ki smo jo predhodno za vsakega udeleženca določili sami, na podlagi aktivacij ob izvedbi jezikovne naloge. Na tak način smo pridobili več napovednih modelov lateralizacije jezika. Zanesljivost napovedi smo proučili na ločenem vzorcu. Rezultate smo dopolnili z eksploratorno analizo, v kateri smo poskusili z izbiro najbolj relevantnih spremenljivk povečati napovedno moč modelov. Napovedni modeli atipične in desne lateralizacije jezika so na testnem vzorcu izkazali slabo napovedno moč saj so izkazali ...