【摘要】：大腦中的場(chǎng)景選擇區(qū)域在導(dǎo)航視覺環(huán)境中起著重要的作用。盡管不同類別的場(chǎng)景圖片通常具有相似的圖像統(tǒng)計(jì)數(shù)據(jù),人類大腦仍然可以有效的對(duì)不同類別的場(chǎng)景進(jìn)行區(qū)分。本研究主要是分析幾個(gè)重要的場(chǎng)景選擇性腦區(qū)的功能作用。為了探究人腦場(chǎng)景選擇區(qū)域的神經(jīng)反應(yīng)與低級(jí)視覺特征及高級(jí)的語(yǔ)義類別之間的關(guān)系。文章采用多體素模式分析以及表征相似性分析的方法來(lái)對(duì)場(chǎng)景圖片進(jìn)行視覺解碼,這些從數(shù)據(jù)庫(kù)中得到的場(chǎng)景圖片在作為實(shí)驗(yàn)刺激前要經(jīng)過濾波處理來(lái)改變圖片頻率這類低級(jí)圖片屬性。多體素模式分析主要是用來(lái)分析海馬旁區(qū)(PPA)、后皮質(zhì)復(fù)合體(RSC)、枕骨區(qū)域(OPA)、側(cè)枕復(fù)合體(LOC)以及V1腦區(qū)區(qū)分不同類別的場(chǎng)景圖片以及不同濾波處理的場(chǎng)景圖片的能力,發(fā)現(xiàn)這幾個(gè)腦區(qū)均可以有效地實(shí)現(xiàn)高通和全通場(chǎng)景分類,而部分腦區(qū)對(duì)低通濾波處理的場(chǎng)景圖片分類效果相對(duì)較差,而且LOC以及V1這兩個(gè)相對(duì)初級(jí)的視覺腦區(qū)對(duì)于區(qū)分高通與低通這類低級(jí)圖片屬性更加敏感。為了進(jìn)一步的從表征上獲取這幾個(gè)腦區(qū)的激活與語(yǔ)義類別以及低級(jí)圖片屬性之間的關(guān)聯(lián)程度,本論文還進(jìn)行了表征相似性分析。分析發(fā)現(xiàn)PPA,RSC,OPA的腦區(qū)激活與類別更加相關(guān),而V1的腦區(qū)激活與頻率更加接近,LOC腦區(qū)則是與類別相關(guān)性更強(qiáng),但是也表現(xiàn)出了與頻率這類低級(jí)圖片屬性有較強(qiáng)的相關(guān)性。在表征相似性分析的過程中,不僅將刺激圖像的視覺特征與場(chǎng)景選擇區(qū)域的神經(jīng)反應(yīng)進(jìn)行相關(guān)分析,而且為了分析場(chǎng)景選擇性腦區(qū)與卷積神經(jīng)網(wǎng)絡(luò)之間的關(guān)聯(lián)性,也將多個(gè)經(jīng)典的CNN網(wǎng)絡(luò)與這些腦區(qū)進(jìn)行相關(guān)性分析,發(fā)現(xiàn)了CNN網(wǎng)絡(luò)與場(chǎng)景選擇性區(qū)域的神經(jīng)反應(yīng)之間的相關(guān)性的變化趨勢(shì)。根據(jù)所得的結(jié)果,可以看出雖然這幾個(gè)CNN網(wǎng)絡(luò)的結(jié)構(gòu)和深度存在差異,但是與場(chǎng)景選擇性腦區(qū)的激活之間的關(guān)系變化趨勢(shì)基本類似。PPA、RSC、OPA以及LOC這幾個(gè)與場(chǎng)景類別更加相關(guān)的腦區(qū)與CNN網(wǎng)絡(luò)所選取的各層的相關(guān)性表現(xiàn)出了先下降后上升的趨勢(shì),而V1這一與低級(jí)圖片屬性更加相關(guān)的腦區(qū)與CNN網(wǎng)絡(luò)所選取的各層的相關(guān)性則是表現(xiàn)出了先上升后下降的趨勢(shì),可以說明CNN網(wǎng)絡(luò)在前期的各層中更接近于V1腦區(qū)對(duì)于場(chǎng)景圖像的處理,而在后期的各層中則是更加接近于PPA,RSC,OPA以及LOC等腦區(qū)對(duì)于場(chǎng)景圖像的處理。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN919.81;R338
【圖文】：

10圖 2-1 多體素模式分析的過程2.2.2.1 特征選擇在 fMRI 研究中，通常以體素為特征而多個(gè)體素信號(hào)所形成的空間模式作為樣本。這樣，數(shù)據(jù)中的特征通常會(huì)比樣本多。如果將全腦的體素作為特征，僅有數(shù)十個(gè)樣本卻有數(shù)萬(wàn)特征的情況也會(huì)發(fā)生，這樣會(huì)導(dǎo)致過擬合現(xiàn)象的發(fā)生。因此通常不會(huì)選擇全腦的體素作為特征，而是選擇某些符合特定的要求的體素來(lái)作為分析的空間模式，這種選擇體素的過程即是特征選擇。這樣可以有效的避免過擬合的發(fā)生同時(shí)使得所得到的模式更加明確地反應(yīng)認(rèn)知狀態(tài)在神經(jīng)活動(dòng)中的表征。常見的特征選擇的方法有以下幾種：1) 基于感興趣腦區(qū)的特征選擇�；诟信d趣腦

感興趣腦區(qū)的激活區(qū)域

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 雷煜;童莉;李建新;閆鑌;;基于腦功能磁共振影像的視覺信息解讀技術(shù)[J];計(jì)算機(jī)應(yīng)用研究;2013年06期

2 姚軍財(cái);;基于人眼感知特性的圖像空間頻率計(jì)算方法[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年05期

3 雷威;楊志;詹e

本文編號(hào)：2722443