| 저자(한글) |
LI, Jian-fu,LUO, Cheng,DONG, Li,YAO, De-zhong |
| 저자(영문) |
|
| 소속기관 |
|
| 소속기관(영문) |
|
| 출판인 |
|
| 간행물 번호 |
|
| 발행연도 |
2015-01-01 |
| 초록 |
대뇌는 여러 가지 시간과 공간 규모에서 복잡한 네트워크(complex network)이고 복잡한 네트워크에는 많은 양의 연결 정보를 함유하고 있다. 주성분 분석(PCA, principal component analysis) 방법은 주로 많은 양의 정보에서 중요한 특성을 추출할 때 사용하기에 복잡한 네트워크에서의 중요한 정보를 탐색하는데 사용할 수 있다. 널리 알려진 바와 같이 음악가는 연구 훈련으로 일어난 뇌 가소성(plasticity) 문제의 이상적 모델이고 음악가 뇌 네트워크(brain network)의 가소성 변화를 탐구하는 것은 아주 중요한 의의가 있다. 먼저 확산 강조 영상(DWI, diffusion-weighted imaging) 데이터의 섬유 추적(fiber tracking)을 통하여 16명의 음악가 및 16명의 음악가가 아닌 지원자의 백질(white matter) 구조 네트워크를 구축한 다음 2개 조합 지원자의 전체 뇌 네트워크에 대해 PCA 분석을 진행하고 얻은 매개 주성분에 대해 서포터 벡터 기계(SVM, support vector machine) 분류 처리를 진행하여 분류 효과가 가장 좋은 주성분을 획득하였다. 마지막으로 해당 주성분에 대한 기여(contribution)가 상위 1%인 연결을 찾고 해당 연결은 음악가가 대뇌 백질 구조 네트워크에서 상대적으로 변화한 주요 연결이라는 것을 밝혔다. 해당 방법은 조합 사이 복잡한 네트워크 비교 분석에 PCA 분류 기반의 새로운 사고를 제공하였다. 이러한 사고를 기반으로 음악가와 음악가가 아닌 지원자의 백질 구조 네트워크에 대해 비교 분석을 진행하여 음악가는 운동, 청각, 정서와 기억 등 기능 대뇌 구역에서 더 높은 대뇌 구역 사이 정보 전달 효과를 나타낸다는 것을 밝혔으며 네트워크 방면에서 장기적인 음악 훈련이 음악가의 백질 가소성을 변화하는 문제에 대한 이해를 넓혔다. |
| 원문URL |
http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=NART&cn=NART72489312 |
| 첨부파일 |
|
