Διάγνωση και η Οπτική Επεξηγισιμότητα της δυσλεξίας, με χρήση βασικών ταξινομητών μηχανικής μάθησης και συνελικτικών νευρωνικών δικτύων γράφου (G-CNN) σε δεδομένα Μαγνητικών Τομογραφίων (fMRI)

Abstract

Στόχος της παρούσας διπλωματικής εργασίας είναι η διάγνωση και η οπτική επεξηγισιμότητα της δυσλεξίας και της ορθογραφικής διαταρχής, με χρήση βασικών ταξινομητών μηχανικής μάθησης καθώς και μοντέλων βαθιάς μάθησης σε δεδομένα fMRI. Τα δεδοδομένα που χρησιμοποιήθηκαν ελήφθησαν από τη βάση δεδομένων του MRI Lab Gras, η οποία έχει συλλέξει δεδομένα απεικόνισης νευροεγκεφάλου από εργαστήρια σε όλο τον κόσμο. Μετά από 3 διαφορετικές διαδικασίες επιλογής, οι επιστήμονες κατέληξαν στο σύνολο δεδομένων που περιέχει Μαγνητικές Τομογραφίες (fMRI, φαινοτυπικά) από 58 παιδιά ηλικίας 8 με 13 (16 με ορθογραφική δια- ταραχή, 20 με δυσλεξία και 22 υγιή παιδιά). Για κάθε παιδί εξαγάγαμε έναν συμμετρικό πίνακα αλληλοσχέτισης (correlation matrix) (39, 39) των περιοχών του εγκεφάλου όπως αυτές ορίζονται από τον άτλαντα MSDL, ενώ κρατήσαμε το άνω τριγωνικό κομμάτι (μονοδιάστατο διάνυσμα) για τα πειράματα μας. Για την μηχανική μάθη- ση εφαρμόσαμε μία εξαντλητική προσέγγιση 3 βελτιστοποιήσεων (ως προς μετασχηματιστές, υπεραπαμέτρους, συλλογικών ταξινομητών) για όλους τους 16 βασικούς ταξινομητές που επιλέχθηκαν και καταλήξαμε στον κα- λύτερο συνδυασμό συλλογικών ταξινομητών που περιέχει τα βελτιστοποιημένα pipelines των ταξινομητών MLP, Logistic, Random Forest, Ridge, Extra Tree με test score F 1 = 83.5%. Επιπλεόν, εφαρμόσσαμε μια παραμε- τροποιημένη μορφή του αλγορίθμου LIME για να επεξήγησουμε την σημαντικότητα των 741 χαρακτηριστικών, δηλαδή ποιες εγκεφαλικές συνδέσεις συμβάλλον περισσότερο στις προβλέψεις, ενώ παράξαμε γραφήματα που διευκολύνουν την κατανόηση των σημαντικοτήτων αυτών. Τέλος, πειραματίστηκαμε με διάφορες παραλλαγές της αρχιτεκτονικής του συνελεκτικού δικτύου γράφου (G-CNN), τον γράφου του οποίου κατασκευάσαμε με τα διαθέσιμα φαινοτυπιικά δεδομένα των συμμετεχόντων (ηλικία, φύλο). Βελτιστοποιήσαμε τις υπερπαραμέτρους και καταλήξαμε στην αρχιτεκτονική που λαμβάνει το καλύτερο test score F1 = 83.5% χωρίς υπερεκπαίδευση overfitting.