Resumen

Los cambios de las redes de conectividad funcional dependientes de la carga de la memoria de trabajo (WM) se han investigado previamente mediante el análisis teórico de grafos. Sin embargo, el extraordinario número de nodos representados en la compleja red del cerebro humano ha dificultado la identificación de las regiones funcionales y sus propiedades de red. En este trabajo, proponemos un método novedoso para extraer automáticamente las regiones cerebrales características y sus propiedades teóricas de grafos que reflejan los cambios dependientes de la carga en la conectividad funcional utilizando una clasificación de máquina de vectores de apoyo y la optimización de algoritmos genéticos. El método propuesto clasificó los estados cerebrales durante las condiciones de prueba de 2 y 3 espaldas basándose en cada una de las tres métricas teóricas de los grafos regionales (grado, coeficiente de agrupación y centralidad de la interrelación) e identificó automáticamente las regiones cerebrales que se utilizaron para la clasificación. Los resultados experimentales demostraron que nuestro método alcanzó una precisión de clasificación superior al 90% utilizando cada una de las tres métricas de grafos, mientras que la precisión del enfoque manual convencional de asignación de regiones cerebrales fue sólo del 80,4%. Se ha revelado que el marco propuesto puede extraer características significativas de una red cerebral funcional que está asociada con la carga de la WM a partir de un gran número de métricas teóricas de gráficos nodales sin conocimiento previo de la base neural de la WM.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:región cerebral, cambio dependiente, base de wm, red de conectividad funcional, clasificación por máquina vectorial, número de nodo, optimización por algoritmo genético, características región cerebral, enfoque manual convencional, red cerebral funcional
• Keywords:brain region, dependent change, basis of wm, functional connectivity network, vector machine classification, number of node, genetic algorithm optimization, characteristics brain region, conventional manual approach, functional brain network