Resumen

La espectroscopia funcional de infrarrojo cercano (fNIRS) es adecuada para el mapeo no invasivo de los cambios relativos en la actividad cortical regional, pero es limitada para las comparaciones cuantitativas entre sitios corticales, sujetos y poblaciones. Hemos desarrollado un método de análisis de redes neuronales convolucionales (CNN) que aprende vectores de características para la identificación precisa de las diferencias de grupo en las respuestas fNIRS. En este estudio, se clasificó el género de los sujetos utilizando el análisis de CNN de los datos de fNIRS. Se adquirieron datos de fNIRS de sujetos masculinos y femeninos durante una tarea de memoria numérica visual realizada en un entorno de ruido blanco porque estudios anteriores habían revelado que el patrón de flujo sanguíneo cortical durante la tarea difería entre hombres y mujeres. Un clasificador aprendido distinguió con precisión a los hombres de las mujeres basándose en señales fNIRS distintas de las regiones de interés (ROI), incluyendo el giro frontal inferior y las áreas premotoras que fueron identificadas por el algoritmo de aprendizaje. Estas regiones corticales están asociadas con el almacenamiento de la memoria, la atención y la respuesta motora a la tarea. La precisión del clasificador sugiere diferencias estables basadas en el género en el flujo sanguíneo cerebral durante esta tarea. El método de análisis CNN propuesto puede identificar objetivamente las ROIs utilizando datos de series temporales fNIRS para el aprendizaje automático para distinguir características entre grupos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:datos fnirs, series temporales fnirs, actividades corticales regionales, red neuronal convolucional, métodos de análisis cnn, propuesta de análisis cnn, identificación de grupo, análisis de fnirs, entorno de ruido blanco, datos de series temporales
• Keywords:fnirs data, fnirs time series, regional cortical activities, convolutional neural network, cnn analysis methods, proposed cnn analysis, identification of group, analysis of fnirs, white noise environment, time series data