An information-theoretic representation of human brain for decoding mental states of complex problem solving

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Enformatik Enstitüsü, Bilişsel Bilimler Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: GÖNÜL GÜNAL DEĞİRMENDERELİ

Danışman: FATOŞ TUNAY YARMAN VURAL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, üst seviye bir bilişsel süreç olan karmaşık problem çözme ile ilgili zihinsel durumları çözümlemek amacıyla, insan beyin aktivitesinin temsili için Shannon bilgi teorisine dayalı bir yöntem önerilmektedir. Bu yöntem ile, karmaşık problem çözme görevindeki bilişsel durumların hesaplamalı modelleri oluşturulmuştur. İlk aşamada, problem çözüm süreci ile beyin bölgelerinin entropi değerleri arasındaki ilişki araştırılmıştır. Karmaşık problem çözme sürecinde beyin bölgelerinin içerdikleri bilgi miktarları ölçülerek, aktif bölgelerin belirlenmesi ve başarılı ve başarısız problem çözücüler için bu sürecin temel aşamalarındaki zihin durumlarının tanımlanması hedeflenmiştir. Bu amaçla Shannon Enformasyon Kuramı temel alınarak, insan beyni için iki yeni tanım geliştirilmiştir. Statik ve dinamik entropi adını verdiğimiz bu tanımlar kullanılarak anatomik bölgeler ve bunlar arasındaki ilişkiler modellenmiş, önerilen entropi ölçümlerinin problem çözme sürecindeki aktif beyin bölgelerini başarıyla tanımladığı görülmüştür. Problem çözme sürecinde düşük entropiye sahip anatomik bölgeler literatürde deneysel sinirbilim tarafından tanımlanan aktif bölgelerle uyumludur. Ardından, göreceli entropi olarak adlandırılan Kullback-Leibler sapması yöntemi ile, karmaşık problem çözme sırasında beyin bölgeleri arasındaki ilişki ölçülerek, başarılı ve başarısız problem çözücüler için bu sürecin temel aşamalarındaki fonksiyonel beyin ağları tahminlenmiştir. Önerilen beyin ağı modeli fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) verileri üzerinde Destek Vektör Makineleri (SVM) algoritması kullanarak test edilmiş, planlama ve yürütme fazlarını %90'ın üzerinde başarı ile sınıflandırmıştır. Önerilen hesaplama modellerinin, karmaşık problem çözme sürecindeki aktif beyin bölgelerini saptamak, statik ve dinamik beyin ağlarını tahmin etmek, ve zihin durumlarını ortaya çıkarmak için umut verici olduğu görülmüştür.