31665

ارزيابي هوش سيال با استفاده از ارتباطات عملكردي سيگنال‌هاي مغزي

كارشناسي ارشد

مهندسي پزشكي

1400

1403.6.27

محمدرضا دليري

_

مهندسي برق

هوش سيال به توانايي حل مسائل جديد، منطق، و استدلال بدون نياز به دانش يا تجربيات قبلي اشاره دارد و نقش مهمي در عملكردهاي شناختي و سازگاري با محيط‌هاي جديد ايفا مي‌كند. ارزيابي هوش سيال با استفاده از سيگنال‌هاي مغزي به‌دليل ارتباط آن با عملكرد شبكه‌هاي عصبي، از اهميت ويژه‌اي برخوردار است. در اين پژوهش، داده‌هاي الكترانسفالوگرام از 109 سوژه سالم (مرد و زن) در حالت استراحت و چشم باز، با ثبت 63 كاناله و طول 5 دقيقه، مورد استفاده قرار گرفت. پس از پيش‌پردازش داده‌ها، توان باندهاي فركانسي و سه نوع ماتريس ارتباط عملكردي شامل مربع اندازه همدوسي ، خوشه‌بندي فازي بين‌مكاني ، و شاخص تاخير فاز محاسبه شدند. سپس ويژگي‌هاي گراف از اين ماتريس‌ها استخراج و همبستگي پيرسون آن‌ها با سطح هوش در باندهاي فركانسي مختلف بررسي شد. نتايج نشان داد كه توان باند آلفا و ماتريس‌هاي ISPC و MSC در اين باند، به‌طور معناداري با هوش سيال همبستگي دارند. اين همبستگي در گروه مردان بيشتر از زنان بود، در حالي كه براي گروه زن در باند بتا2 همبستگي ضعيفي مشاهده شد. PLI به‌ويژه در تخمين سطح هوش عملكرد بهتري نسبت به ساير معيارها داشت، اگرچه همبستگي معناداري با هوش نشان نداد. همچنين، معيارهاي گرافي مانند مركزيت ميانبودگي، مركزيت بردار ويژه، طول مسير مشخصه و پودمانگي در باندهاي آلفا و بتا2 بيشترين همبستگي را با هوش نشان دادند. با بررسي اختلاف گروه‌هاي مختلف از نظر جنسيت و سطح هوش با استفاده از آزمون مجموع رتبه ويلكاكسون ، تفاوت‌هاي جنسيتي در ساختار مغزي به‌طور قابل توجهي مشاهده شد. در نهايت، روشي براي تخمين سطح هوش مبتني بر كانكتوم ارائه گرديد كه نتايج قابل قبولي به همراه داشت. واژه‌هاي كليدي: هوش سيال، الكتروانسفالوگرام حالت استراحت، ارتباطات عملكردي، گراف، آزمون مجموع رتبه ويلكاكسون، همبستگي پيرسون

1403/09/13

Assessment of fluid intelligence using functional connectivity of brain signals

9/17/2025 12:00:00 AM

Fluid intelligence refers to the ability to solve new problems, use logic, and reason without relying on prior knowledge or experience, and it plays a significant role in cognitive functioning and adapting to new environments. Assessing fluid intelligence using brain signals is particularly important due to its association with the functioning of neural networks. In this study, electroencephalogram (EEG) data were collected from 109 healthy subjects (both men and women) during a resting state with eyes open, using 63 electrodes for a duration of 5 minutes. After preprocessing the data, frequency band power and three types of functional connectivity matrices were calculated, including the magnitude-squared of coherence (MSC), inter-site phase clustering (ISPC), and phase-lag index (PLI). Graph features were then extracted from these matrices, and their Pearson correlation with intelligence levels across different frequency bands was examined. The results showed that alpha band power and the ISPC and MSC matrices in this band had a significant correlation with fluid intelligence. This correlation was stronger in men than in women, while for women, a weaker correlation was observed in the beta2 band. PLI performed better than other measures in estimating intelligence levels, although it did not show a significant correlation with intelligence. Additionally, graph metrics such as betweenness centrality, eigenvector centrality, characteristic path length, and modularity in the alpha and beta2 bands showed the highest correlation with intelligence. By using the Wilcoxon rank-sum test to examine differences between various groups in terms of gender and intelligence level, significant gender differences in brain structure were observed. Finally, a method for estimating intelligence based on the connectome was proposed, yielding satisfactory results. Keywords: fluid intelligence, Resting-state electroencephalogram, functional connectivity, graph theory, Wilcoxon rank-sum test, Pearson correlation.

هوش سيال , الكتروانسفالوگرام حالت استراحت , ارتباطات عملكردي , گراف , آزمون مجموع رتبه ويلكاكسون , همبستگي پيرسون

fluid intelligence , Resting-state electroencephalogram , functional connectivity , graph theory , Wilcoxon rank-sum test , Pearson correlation

sara asgari

mohammad reza daliri