论文部分内容阅读
创造力是国家科学技术进步和经济发展的源泉。目前,个体创造性的高低一般通过各种问卷来测量及评定。其测量和评定过程可能夹杂着许多的主观性和不确定性。近年来,开始有学者研究通过使用大脑的功能连接来预测个体的创造力的可能性,但预测模型中使用大量的功能连接作为输入变量,使得预测的结果不具可靠性。为了弥补以上研究的不足,本文利用机器学习方法对言语创造性与大脑网络之间的关系进行探究,提出了寻找最优功能连接的方法,寻找出了最能区分高低创造性的13个大脑功能连接。本文中,我们提出了一种基于先验知识和数据驱动的方法(PDM)来寻找最具预测能力的大脑功能连接。PDM方法包括三步:首先使用秩和检验从34716个功能连接中,选择了在高低创造性组中具有明显差异的134个功能连接;然后使用随机森林对134个功能连接进行重要性评价,按重要性进行从高到低排序,选择平均重要性排名前20的功能连接;最后使用后向选择算法对20个功能连接进行再选择,留下13个功能连接组合,这13个功能连接能够有效预测高低创造性个体。采用13个功能连接作为预测模型的输入变量,其分类准确率在库内识别中能达到85.6%,在库间识别中达到67.2%,远高于使用目前统计方法选择的134个功能连接的分类准确率。本文进一步研究了每个功能连接在13个功能连接组合中预测创造性中的贡献程度。结果表明,高低创造性个体的有效分类取决于7个大脑网络的协同合作,这七个网络分别是额顶任务控制网络、手部感觉运动网络、默认网络、视觉网络、小脑网络、背侧注意网络和扣带盖控制网络。研究发现使用较少的功能连接可以达到更高的分类准确率,单个重要性较低的功能连接在功能连接组合中可能起到的贡献度更大。本论文的研究结果有助于我们了解人类创造力的大脑神经机制。