【摘要】：信息學(xué)、計(jì)算機(jī)科學(xué)、以及神經(jīng)學(xué),三門學(xué)科伴隨著科技的進(jìn)步和科學(xué)的新發(fā)展,逐漸組成一體,形成的神經(jīng)信息學(xué)是一門跨學(xué)科的科研領(lǐng)域。近些年來(lái),對(duì)腦圖像的研究和探索,使得這一領(lǐng)域不斷產(chǎn)生大量的數(shù)據(jù),如何合理的利用數(shù)據(jù)挖掘算法來(lái)高效處理和分析這些數(shù)據(jù),獲取更深層次的數(shù)據(jù)知識(shí)和潛在規(guī)律,進(jìn)一步探究大腦的認(rèn)知工作機(jī)理,已經(jīng)逐漸成為新的科研熱點(diǎn)。 本文的研究方向是在沒有先驗(yàn)醫(yī)學(xué)知識(shí)的前提下,對(duì)大腦功能磁共振成像(functional Magnetic Resonance Imaging, fMRI)數(shù)據(jù)進(jìn)行預(yù)處理、特征降維、特征提取,并在此基礎(chǔ)上對(duì)腦認(rèn)知狀態(tài)進(jìn)行分類識(shí)別。 首先介紹了基于統(tǒng)計(jì)參數(shù)圖軟件包(Statistical Parametric Mapping, SPM)對(duì)fMRI圖像進(jìn)行預(yù)處理的詳細(xì)步驟,并對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行了初步降維。在經(jīng)過(guò)數(shù)據(jù)的預(yù)處理后,采用主成分分析法,以特征值分解為基礎(chǔ),消除多元變量間的相關(guān)性,將高維向量投影到低維潛在語(yǔ)義空間中,之后引入粗糙集的概念,使用粗糙集理論中的屬性約簡(jiǎn)計(jì)算方法對(duì)主成分進(jìn)一步的挑選,從而使得這些主成分可以充分描述數(shù)據(jù)集中的所有概念。實(shí)驗(yàn)證明,這兩種方法的融合可以將fMRI數(shù)據(jù)降至一維向量,雖然在時(shí)間上要比單獨(dú)使用主成分分析方法約要多消耗2%的時(shí)間,但是卻進(jìn)一步提高了4%左右的分類精度,為取得更準(zhǔn)確的分類結(jié)果打下了基礎(chǔ)。 在上述工作的基礎(chǔ)上,討論了一種新的腦認(rèn)知狀態(tài)分類識(shí)別模型。使用改進(jìn)的量子粒子群算法,并在算法中添加生物醫(yī)學(xué)中的免疫思想,對(duì)分類計(jì)算過(guò)程中每一代的粒子都接種防止退化的免疫疫苗,使量子粒子具有更好的方向性,提高了尋優(yōu)能力。在UCI(美國(guó)加利福尼亞大學(xué)歐文分校)分類樣本上,該方法比原始量子粒子群算法提高了4%的分類準(zhǔn)確率。在腦認(rèn)知實(shí)驗(yàn)的fMRI數(shù)據(jù)上進(jìn)行識(shí)別分類實(shí)驗(yàn),能夠達(dá)到89%的分類準(zhǔn)確率,取得了較好的分類效果。
【圖文】：

即中央溝以前、外側(cè)裂以上的額葉;外側(cè)裂以下的顆葉;頂枕裂后方的枕葉以及外側(cè)裂上方、中央溝與頂枕裂之間的頂葉;以及深藏在外側(cè)裂里的腦島。另外，，以中央溝為界，在中央溝與中央前溝之間為中央前回;中央溝與中央后溝之間為中央后回。如圖2.1的結(jié)構(gòu)圖顯示了人類左半腦。大腦的感覺反應(yīng)區(qū)是從中央溝至腦皮質(zhì)的后腦部，大量的溝回分布在在上文中提到的腦葉中，他們由于各自職能的不同，被劃分為不同的功能分區(qū)，承擔(dān)著不同的各項(xiàng)人體機(jī)能任務(wù)。承擔(dān)加工視覺語(yǔ)言和聽覺語(yǔ)言的威尼克區(qū)位于顆葉中，是語(yǔ)言感覺的中樞�？刂茩C(jī)體各部分的運(yùn)動(dòng)區(qū)位于中央前回，是運(yùn)動(dòng)神經(jīng)中樞。負(fù)責(zé)加工聽覺的聽覺區(qū)在大腦的顆葉。負(fù)責(zé)視覺加工的視覺區(qū)在大腦的枕葉。承擔(dān)發(fā)音編制的布洛卡區(qū)位于額葉中，是運(yùn)動(dòng)語(yǔ)言中樞。用來(lái)感覺軀體的壓力、溫度和疼痛等感覺的體覺區(qū)位于中央后回。聯(lián)

認(rèn)知fMRI數(shù)據(jù)的分析及分類實(shí)驗(yàn)章主要是使用上文中的所研究的方法對(duì)實(shí)際實(shí)驗(yàn)中的腦認(rèn)知且涯Rl數(shù)據(jù)加以分類識(shí)別。通過(guò)實(shí)驗(yàn)的多組數(shù)據(jù)比較，得出本文所使用方法的優(yōu)勢(shì)實(shí)驗(yàn)數(shù)據(jù)章在測(cè)試本文算法時(shí)采用的是本文研究所用數(shù)據(jù)是Sadek等人在麻省理在生成詞匯時(shí)所產(chǎn)生應(yīng)激反應(yīng)時(shí)，所取得的腦數(shù)據(jù)。這項(xiàng)研究人類大腦任務(wù)的情況下，被動(dòng)的詞匯生成和主動(dòng)詞匯生成對(duì)人類大腦中功能區(qū)域過(guò)對(duì)實(shí)驗(yàn)結(jié)果的處理分析，可以得出人類大腦的pre一SM刀BA犯功能區(qū)外界引導(dǎo)刺激下顯得更加突出。當(dāng)大腦自己主動(dòng)生成詞匯時(shí)下激活額葉度較大。受試者參加實(shí)驗(yàn)時(shí)，頭部被仰臥固定住，利用錄音告知受試者想。完整的一組實(shí)驗(yàn)一共包含了68幅腦圖像。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：R445.2;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅倩;彭聃齡;劉宏艷;;情緒加工的腦時(shí)空動(dòng)態(tài)機(jī)制(英文)[J];心理科學(xué)進(jìn)展;2011年08期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 肖健梅;蘆曉明;王錫淮;;集裝箱起重機(jī)防搖系統(tǒng)粗糙集控制[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 李曉麗;王彤;杜振龍;;基于粗糙集理論的流數(shù)據(jù)最優(yōu)特征選擇[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2005年

3 聶力;王翰虎;;一個(gè)基于粗糙集理論的分類規(guī)則學(xué)習(xí)算法[A];第十六屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集[C];1999年

4 王旭陽(yáng);王彤;李明;;基于粗糙集理論的分類規(guī)則挖掘方法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2005年

5 劉永紅;薛青;鄭長(zhǎng)偉;;基于粗糙集理論的C4ISR評(píng)估方法[A];第13屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

6 趙明清;陶樹平;;基于模糊等價(jià)關(guān)系的粗糙集[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2003年

7 葛麗;傅彥;;粗糙集在科學(xué)數(shù)據(jù)屬性約簡(jiǎn)中的應(yīng)用[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

8 陳楚湘;沈建京;陳冰;尚長(zhǎng)興;王運(yùn)成;;運(yùn)用粗糙集理論建立中老年肺炎中醫(yī)癥候診斷標(biāo)準(zhǔn)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

9 趙榮珍;楊娟;黃顯華;;粗糙集理論的故障知識(shí)發(fā)現(xiàn)及其工程應(yīng)用模式研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

10 顧成杰;張順頤;劉凱;黃河;;基于粗糙集和禁忌搜索的特征選擇方法[A];江蘇省電子學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 劉霞;科學(xué)家找到測(cè)量痛苦的方法[N];科技日?qǐng)?bào);2009年

2 徐述湘;探討針灸作用機(jī)制新武器——fMRI[N];中國(guó)醫(yī)藥報(bào);2004年

3 張?zhí)锟?本報(bào)記者 李嬋;新技術(shù)戳穿謊言更準(zhǔn)確[N];北京科技報(bào);2004年

4 崔大濤;多學(xué)科聯(lián)合——呼吸疾病診治的發(fā)展方向[N];中國(guó)醫(yī)藥報(bào);2004年

5 劉霞;可讀懂人的思維的軟件問(wèn)世[N];科技日?qǐng)?bào);2010年

6 ;櫛風(fēng)沐雨鑄輝煌 繼往開來(lái)譜華章[N];人民郵電;2006年

7 余志平;三項(xiàng)研究結(jié)果引人注目[N];中國(guó)醫(yī)藥報(bào);2004年

8 本報(bào)記者 黃永明;“讀腦術(shù)”前進(jìn)了一大步[N];南方周末;2008年

9 記者 李雪墨;百奧藥業(yè)聯(lián)手中科院 探秘腦梗塞早期預(yù)防[N];醫(yī)藥經(jīng)濟(jì)報(bào);2003年

10 張忠霞;腦掃描有望取代測(cè)謊儀[N];新華每日電訊;2004年

相關(guān)博士學(xué)位論文 前10條

1 張國(guó)軍;基于粗糙集的相對(duì)屬性約簡(jiǎn)算法及決策方法研究[D];華中科技大學(xué);2010年

2 馬君華;粗糙集屬性約簡(jiǎn)和聚類算法及其在電力自動(dòng)化中的應(yīng)用研究[D];華中科技大學(xué);2010年

3 楊習(xí)貝;不完備信息系統(tǒng)中粗糙集理論研究[D];南京理工大學(xué);2010年

4 紀(jì)霞;不完備信息系統(tǒng)中粗糙集理論的擴(kuò)展研究與應(yīng)用[D];安徽大學(xué);2010年

5 趙佰亭;混合決策系統(tǒng)的粗集模型及在轉(zhuǎn)臺(tái)故障診斷中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

6 劉業(yè)政;基于粗糙集數(shù)據(jù)分析的智能決策支持系統(tǒng)研究[D];合肥工業(yè)大學(xué);2002年

7 叢蓉;作戰(zhàn)指揮決策支持系統(tǒng)目標(biāo)融合識(shí)別研究[D];大連理工大學(xué);2010年

8 哈斯巴干;神經(jīng)網(wǎng)絡(luò)及其組合算法的遙感數(shù)據(jù)分類研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

9 劉洪波;漢語(yǔ)認(rèn)知腦數(shù)據(jù)挖掘相關(guān)算法及應(yīng)用研究[D];大連理工大學(xué);2006年

10 王曙燕;醫(yī)學(xué)圖像智能分類算法研究[D];西北大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 王s

本文編號(hào)：2681669