Väitös laskennallisen tieteen alalta, M.Sc. Athanasios Gotsopoulos

Väitöskirjan nimi: Interpretable artificial neural networks for fMRI data classification

Tohtoriopiskelija: Athanasios Gotsopoulos
Vastaväittäjä: Prof. Jussi Tohka, Itä-Suomen yliopisto, Suomi
Kustos: Prof. Jouko Lampinen, Aalto-yliopiston perustieteiden korkeakoulu, neurotieteen ja lääketieteellisen tekniikan laitos

Viime vuosina koneoppiminen on osoittanut huomattavaa menestystä eri alueilla, saavuttaen jopa ihmisiä paremman suorituskyvyn päivittäisissä luokittelutehtävissä, kuten kuvien tunnistuksessa. Koneoppimisen soveltaminen toiminnallisella magneettikuvauksella (eng. functional magnetic resonance imaging, fMRI) mitatun aivotoiminnan luokitteluun on kuitenkin ollut rajallista. 

Tässä työssä sovellamme koneoppimista fMRI-datan luokitteluun, tutkien sellaisia keinotekoisia neuroverkkorakenteita, jotka ottavat huomioon perinteisen fMRI-datan analyysin rajoitukset ja parantavat luokittelumallien tulkittavuutta niiden aivoalueiden osalta, jotka vaikuttavat luokittelutuloksiin. Lisäksi tutkimus esittelee uusia neurotieteen näkökulmasta suunniteltuja arkkitehtuureja, joiden tavoitteena on parantaa ymmärrystä aivoprosesseista. 

Esittelemme neurotieteellisen datan analyysiin räätälöityjä koneoppimistekniikoita, huomioiden monimutkaisissa kognitiivisissa tehtävissä tyypilliset monimuuttujaiset aivoaktivaatiokuviot . Tavoitteena on rohkaista tulevia tutkimuksia käyttämään koneoppimista työkaluna syvemmän ymmärryksen saamiseksi ihmisaivojen monimutkaisuuksista. 

Tämän työn tulokset korostavat esiteltyjen neuroverkkopohjaisten luokittelumenetelmien tehokkuutta tehtävän suorittamiseen liittyvien aktivaatiokuvioiden erottelussa fMRI-datasta. Lisäksi tärkeyksien erottelumenetelmien soveltaminen edistää luokittelumallien läpinäkyvyyttä korostamalla niiden aivoalueiden vaikutusta, jotka osallistuvat tehtävän suorittamiseen. 

Tämä tutkimus on erittäin oleellista alan nykyisiin trendeihin nähden, sillä se kaventaa neurotieteen ja selitettävän tekoälyn välistä kuilua. Tarjoamalla uusia näkökulmia datan analysointiin ja esittelemällä neurotieteen näkökulmasta suunniteltuja arkkitehtuureja, tämä työ tuo arvokkaita uusia näkemyksiä aivotutkimuksen kehittyvään maailmaan.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Yhteystiedot:

Perustieteiden korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/52