Detail publikace

Sentiments Analysis of fMRI using Automatically Generated Stimuli Labels under Naturalistic Paradigm

MAHRUKH Rimsha, SHAKIL Sadia a MALIK Aamir Saeed. Sentiments Analysis of fMRI using Automatically Generated Stimuli Labels under Naturalistic Paradigm. Scientific Reports, roč. 13, č. 7267, 2023, s. 1-15. ISSN 2045-2322. Dostupné z: https://www.nature.com/articles/s41598-023-33734-7
Název česky
Analýza sentimentů fMRI pomocí automaticky generovaných podnětů v přirozeném scénáři
Typ
článek v časopise
Jazyk
angličtina
Autoři
Mahrukh Rimsha (IST)
Shakil Sadia, Ph.D. (UPSY FIT VUT)
Malik Aamir Saeed, Ph.D. (UPSY FIT VUT)
URL
Abstrakt

Naše emoce a pocity jsou ovlivňovány přirozenými podněty, jako jsou filmy, které sledujeme, a písně, které posloucháme, což je doprovázeno změnami v aktivaci našeho mozku. Pochopení dynamiky této mozkové aktivace může pomoci při identifikaci jakéhokoli souvisejícího neurologického stavu, jako je stres a deprese, což vede k informovanému rozhodování o vhodných podnětech. Pro klasifikační/predikční studie lze využít velké množství volně přístupných souborů dat ze zobrazování funkční magnetickou rezonancí (fMRI) shromážděných za naturalistických podmínek. Tyto datové soubory však neposkytují označení emocí/sentimentů, což omezuje jejich použití ve studiích učení pod dohledem. Ruční označování subjekty může tyto štítky generovat, nicméně tato metoda je subjektivní a zkreslená. V této studii navrhujeme jiný přístup generování automatických štítků ze samotných naturalistických podnětů. Ke generování štítků pomocí filmových titulků používáme analyzátory sentimentu (VADER, TextBlob a Flair) ze zpracování přirozeného jazyka. Štítky vygenerované z titulků se používají jako štítky tříd pro pozitivní, negativní a neutrální sentimenty pro klasifikaci snímků fMRI mozku. Použity jsou klasifikátory typu podpůrný vektor, náhodný les, rozhodovací strom a hluboká neuronová síť. Pro nevyvážená data dosahujeme poměrně dobré klasifikační přesnosti (42-84 %), která se pro vyvážená data zvyšuje (55-99 %).

Rok
2023
Strany
1-15
Časopis
Scientific Reports, roč. 13, č. 7267, ISSN 2045-2322
Vydavatel
Springer Nature Switzerland AG
DOI
10.1038/s41598-023-33734-7
UT WoS
001022553200001
EID Scopus
2-s2.0-85158088046
BibTeX 
@ARTICLE{FITPUB12925,
   author = "Rimsha Mahrukh and Sadia Shakil and Saeed Aamir Malik",
   title = "Sentiments Analysis of fMRI using Automatically Generated Stimuli Labels under Naturalistic Paradigm",
   pages = "1--15",
   journal = "Scientific Reports",
   volume = 13,
   number = 7267,
   year = 2023,
   ISSN = "2045-2322",
   doi = "10.1038/s41598-023-33734-7",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12925"
}
Nahoru