大腦情緒的解讀對于面向高級認知的腦機交互具有重要作用,因此基于神經信號對面部視覺刺激的情緒解碼成為大腦視覺加工研究的重要組成部分。功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）以其高時間、空間分辨率優(yōu)勢成為研究大腦視覺信息加工的主要手段。目前,基于fMRI的大腦視覺信息加工的研究主要集中在對大腦感知的視覺刺激進行語義和內容的解析上,對于如何通過視覺皮層的大腦活動表達視覺刺激中的情緒特征,以及如何實現(xiàn)視覺刺激的情緒解碼這一問題研究較少。本文針對利用視覺皮層的fMRI信號對面部情緒進行特征表達以及實時情緒類型解碼的方法展開研究,對融合高級認知的腦機接口、大腦視覺信息重構等研究方向,具有重要的理論意義和實際價值。本文圍繞基于fMRI的面部視覺刺激情緒解碼的關鍵問題,結合大腦視覺皮層信息加工的原理以及深度學習、增量學習等方法,在fMRI腦功能圖像的快速配準、針對面部情緒解析的視皮層體素特征提取、實時面部情緒解碼方法等幾個方面展開具體研究。主要工作如下:（1）針對本文研究的面部情緒解碼問題設計并開展了相關fMRI實驗,建立面部情緒解碼實際數(shù)... 

【文章來源】：戰(zhàn)略支援部隊信息工程大學河南省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景與研究意義
    1.2 實時fMRI與視覺信息感知
        1.2.1 實時功能磁共振成像技術
        1.2.2 大腦視覺信息感知機制
    1.3 基于fMRI的圖像配準和面部情緒解碼技術研究現(xiàn)狀
        1.3.1 基于深度學習的MRI圖像配準技術研究現(xiàn)狀
        1.3.2 基于fMRI的面部情緒解碼技術研究現(xiàn)狀
    1.4 課題研究內容與論文結構安排
第二章 基于fMRI的面部情緒解碼實驗與數(shù)據(jù)處理
    2.1 實驗受試者
    2.2 實驗設計
    2.3 實驗刺激呈現(xiàn)
        2.3.1 視網(wǎng)膜映射刺激
        2.3.2 面部識別區(qū)定位刺激
        2.3.3 面部情緒解碼任務刺激
        2.3.4 靜息態(tài)掃描任務
    2.4 實驗fMRI數(shù)據(jù)采集
    2.5 實驗數(shù)據(jù)處理
        2.5.1 實驗數(shù)據(jù)預處理
        2.5.2 一般線性模型分析
        2.5.3 感興趣區(qū)定義
    2.6 本章小結
第三章 基于深度學習的快速fMRI腦影像配準技術研究
    3.1 fMRI腦影像配準技術概述
        3.1.1 傳統(tǒng)fMRI腦影像配準技術
        3.1.2 基于深度學習的fMRI腦影像配準技術
        3.1.3 fMRI腦影像配準結果的評估
    3.2 基于卷積神經網(wǎng)絡的fMRI腦影像配準方法
        3.2.1 卷積神經網(wǎng)絡框架及原理
        3.2.2 基于U-net的 fMRI腦影像配準技術
    3.3 實驗結果及分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 實驗結果
        3.3.3 實驗結果討論
    3.4 本章小結
第四章 基于大腦視覺皮層活動的fMRI面部情緒特征提取技術研究
    4.1 基于大腦視覺皮層的主成分最大相關體素特征提取技術
        4.1.1 fMRI體素選擇方法
        4.1.2 主成分最大相關原理及方法
        4.1.3 基于皮層的主成分最大相關方法
    4.2 基于參數(shù)優(yōu)選的面部情緒解碼器
    4.3 實驗結果及分析
        4.3.1 實驗數(shù)據(jù)
        4.3.2 實驗結果
        4.3.3 實驗結果討論
    4.4 本章小結
第五章 基于實時fMRI數(shù)據(jù)增量學習的面部情緒解碼技術研究
    5.1 OpenNFT實時功能磁共振數(shù)據(jù)采集和處理系統(tǒng)
    5.2 解碼器在線實時更新實驗流程
    5.3 基于增量學習的解碼器實時更新算法
        5.3.1 經典SVM增量學習算法
        5.3.2 錯誤樣本觸發(fā)SVM增量學習算法
    5.4 實驗結果及分析
        5.4.1 實驗數(shù)據(jù)
        5.4.2 解碼器對比實驗結果
    5.5 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
作者簡歷



本文編號：3172455