Busca avançada
Ano de início
Entree

Predição de capacidades intelectuais por aprendizado de máquina a partir de neuroimagem por ressonância magnética

Processo: 18/11881-1
Modalidade de apoio:Bolsas no Brasil - Doutorado
Data de Início da vigência: 01 de abril de 2019
Data de Término da vigência: 30 de novembro de 2021
Área de conhecimento:Ciências Biológicas - Biofísica - Biofísica de Processos e Sistemas
Pesquisador responsável:Carlos Ernesto Garrido Salmon
Beneficiário:Bruno Hebling Vieira
Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Assunto(s):Aprendizado computacional   Neuroimagem funcional   Ressonância magnética   Morfometria   Cérebro   Qi   Inteligência   Conectividade funcional
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | cérebro | conectividade | fMRI | inteligência | Qi | Neurociência de redes e sistemas

Resumo

A inteligência engloba diversas capacidades cognitivas que permitem ao indivíduo obter informações e agir sobre seu meio. Sabe-se que esses processos cognitivos se concentram no encéfalo e, comparando-se o encéfalo do ser humano e de outros animais pouco adeptos a diversos processos cognitivos habituais entre os humanos, pode-se inferir que divergências neuroanatômicas e neurofisiológicas estão, de alguma forma, associadas a diferenças em habilidades cognitivas. Em outra escala, essas divergências também são notadas entre indivíduos humanos, onde há correlação, por exemplo, entre o volume intracraniano e quocientes intelectuais. Sabendo-se disso, pode-se empregar a neuroimagem, mais especificamente as imagens por ressonância magnética anatômica e funcional, a fim de se descobrir correlatos da inteligência em humanos. Alternativamente, é possível auferir modelos a partir das neuroimagens para predizer quocientes intelectuais de sujeitos, utilizando-se aprendizado de máquina. Nesse projeto, propomos a utilização de ambas as metodologias a fim de se auferir relações entre inteligência e características da morfometria e conectividade funcional cerebrais em uma larga amostra de sujeitos saudáveis. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (5)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
VIEIRA, BRUNO HEBLING; HIAR, NATHALIA HANNA; CARDOSO, GEORGE C.. Uncertainty Reduction in Logistic Growth Regression Using Surrogate Systems Carrying Capacities: a COVID-19 Case Study. Brazilian Journal of Physics, v. 52, n. 1, . (18/11881-1)
DE SOUZA, ERICK ALMEIDA; SILVA, STEPHANIE ANDRADE; VIEIRA, BRUNO HEBLING; SALMON, CARLOS ERNESTO GARRIDO. fMRI functional connectivity is a better predictor of general intelligence than cortical morphometric features and ICA parcellation order affects predictive performance. INTELLIGENCE, v. 97, p. 9-pg., . (18/11881-1)
VIEIRA, BRUNO HEBLING; DUBOIS, JULIEN; CALHOUN, VINCE D.; SALMON, CARLOS ERNESTO GARRIDO. A deep learning based approach identifies regions more relevant than resting-state networks to the prediction of general intelligence from resting-state fMRI. Human Brain Mapping, v. 42, n. 18, . (18/11881-1, 17/02752-0)
VIEIRA, BRUNO HEBLING; PAMPLONA, GUSTAVO SANTO PEDRO; FACHINELLO, KARIM; SILVA, ALICE KAMENSEK; FOSS, MARIA PAULA; SALMON, CARLOS ERNESTO GARRIDO. On the prediction of human intelligence from neuroimaging: A systematic review of methods and reporting. INTELLIGENCE, v. 93, p. 28-pg., . (18/11881-1)
DIZAJI, ASLAN; VIEIRA, BRUNO HEBLING; KHODAEI, MOHMMAD REZA; ASHRAFI, MAHNAZ; PARHAM, ELAHE; HOSSEIN-ZADEH, GHOLAM ALI; GARRIDO SALMON, CARLOS ERNESTO; ZADEH, HAMID SOLTANIAN. Linking Brain Biology to Intellectual Endowment: A Review on the Associations of Human Intelligence With Neuroimaging Data. BASIC AND CLINICAL NEUROSCIENCE, v. 12, n. 1, p. 1-27, . (18/11881-1, 17/02752-0)