【摘要】：在當(dāng)前腦科學(xué)和類腦計(jì)算的研究中,面向多種模態(tài)腦信號(hào)的處理技術(shù)是最熱門的幾個(gè)研究問題之一。基于不同模態(tài)腦信號(hào)的處理技術(shù),可以從多個(gè)維度研究大腦內(nèi)部各腦區(qū)的功能、探索人類的高級(jí)認(rèn)知行為、分析人類的運(yùn)動(dòng)和記憶能力、輔助腦疾病的診斷與治療等等。面向多種模態(tài)腦信號(hào)的處理技術(shù)可以為腦機(jī)接口、類腦計(jì)算和腦科學(xué)研究中關(guān)鍵的技術(shù)手段,在神經(jīng)科學(xué)、心理學(xué)、神經(jīng)疾病學(xué)和神經(jīng)工程等領(lǐng)域都有著非常重要的研究意義。然而,現(xiàn)有的腦信號(hào)處理技術(shù)在特征提取、模型擬合、模型訓(xùn)練和模型效率等方面還有著很多問題與挑戰(zhàn),亟需發(fā)展更先進(jìn)的腦信號(hào)處理技術(shù)。針對(duì)腦信號(hào)處理研究中存在的問題與挑戰(zhàn),本文引入了深度網(wǎng)絡(luò)模型。根據(jù)不同模態(tài)腦信號(hào)的特性,對(duì)現(xiàn)有的深度網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行針對(duì)性的改進(jìn),提出了幾種不同形式的深度網(wǎng)絡(luò)模型。本文所提出的深度網(wǎng)絡(luò)模型能夠高效地處理了常見的幾種模態(tài)腦信號(hào),為腦機(jī)接口、類腦計(jì)算和腦科學(xué)等研究提供了新的技術(shù)手段和思路。本文中,提出了幾種面向不同模態(tài)腦信號(hào)處理的深度網(wǎng)絡(luò)模型,主要研究?jī)?nèi)容有以下三個(gè)方面:1、腦電信號(hào)的事件相關(guān)電位檢測(cè):為了實(shí)現(xiàn)對(duì)腦電信號(hào)中事件相關(guān)電位的檢測(cè)和分析,文章中提出了兩個(gè)網(wǎng)絡(luò)模型:基于限制玻爾茲曼機(jī)的混合網(wǎng)絡(luò)和時(shí)空判別限制玻爾茲曼機(jī)�；谙拗撇柶澛鼨C(jī)的混合網(wǎng)絡(luò)能夠提取事件相關(guān)電位的空域特征和時(shí)域特征,并實(shí)現(xiàn)對(duì)事件相關(guān)電位的有效檢測(cè)。時(shí)空判別限制玻爾茲曼機(jī)能夠從事件相關(guān)電位數(shù)據(jù)中提取出具有判別信息的空域特征和時(shí)域特征,這些特征能夠較為準(zhǔn)確地反映出該信號(hào)的空間分布和隨時(shí)間的變化情況,從而快速有效地檢測(cè)事件相關(guān)電位。根據(jù)一系列實(shí)驗(yàn)結(jié)果,所提出的兩個(gè)網(wǎng)絡(luò)模型對(duì)事件相關(guān)電位都有著不錯(cuò)的檢測(cè)性能。2、腦磁信號(hào)的解碼:人類大腦信號(hào)的解碼研究是目前腦科學(xué)與神經(jīng)認(rèn)知科學(xué)等研究中的一個(gè)熱點(diǎn)問題。對(duì)大腦信號(hào)的解碼研究在理解人類的高級(jí)認(rèn)知行為、情緒變化和分析心理疾病等方面有著重要意義。本文中,提出了一種基于門控循環(huán)單元的遞歸神經(jīng)網(wǎng)絡(luò),將該網(wǎng)絡(luò)應(yīng)用于解碼人臉圖像誘發(fā)的腦磁信號(hào)。基于門控循環(huán)單元的遞歸神經(jīng)網(wǎng)絡(luò)能夠有效地學(xué)習(xí)不同實(shí)驗(yàn)對(duì)象的腦磁信號(hào)特征,從而實(shí)現(xiàn)跨對(duì)象的腦磁信號(hào)解碼。在多重交叉驗(yàn)證實(shí)驗(yàn)中,所提出的網(wǎng)絡(luò)在腦磁信號(hào)解碼任務(wù)中取得了非常好的解碼結(jié)果。3、核磁共振成像的腦組織分割:基于核磁共振成像的腦組織分割結(jié)果,可以量化腦結(jié)構(gòu)容量,評(píng)估神經(jīng)系統(tǒng)健康狀況,診斷阿爾茨海默病、癡呆、局灶性癲癇、帕金森病和多發(fā)性硬化等腦疾病。文章中,提出了一個(gè)多模態(tài)融合網(wǎng)絡(luò),該網(wǎng)絡(luò)能夠提取腦組織核磁共振圖像的多尺度特征。另外,通過構(gòu)建多個(gè)子網(wǎng)絡(luò),該網(wǎng)絡(luò)能夠利用三種不同模態(tài)的核磁共振圖像的信息互補(bǔ),從而實(shí)現(xiàn)更精確的腦組織分割。在腦組織分割競(jìng)賽數(shù)據(jù)集上進(jìn)行一系列實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證實(shí)了多模態(tài)融合網(wǎng)絡(luò)的有效性,該網(wǎng)絡(luò)的性能超過了現(xiàn)有大部分腦組織分割模型,并在該競(jìng)賽中取得了歷史排名第一、當(dāng)前第二名的好成績(jī)。綜上所述,本文提出了幾種深度網(wǎng)絡(luò)模型,在腦電信號(hào)的事件相關(guān)電位檢測(cè)、腦磁信號(hào)的解碼和核磁共振成像的腦組織分割任務(wù)中的表現(xiàn)優(yōu)異。這些工作有望為腦信號(hào)與腦科學(xué)研究者提供了新的思路和技術(shù)手段,在腦機(jī)接口、類腦計(jì)算和腦科學(xué)研究中有著非常廣闊的研究和應(yīng)用前景。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：R338;TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 楊立才,李佰敏,李光林,賈磊;腦-機(jī)接口技術(shù)綜述[J];電子學(xué)報(bào);2005年07期

相關(guān)博士學(xué)位論文 前6條

1 馬騰;基于mVEP和MI多模態(tài)腦機(jī)接口的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

2 曹艷;植入式腦機(jī)接口中微電刺激信息反饋和神經(jīng)信息約簡(jiǎn)的研究[D];浙江大學(xué);2016年

3 陳小剛;高速率穩(wěn)態(tài)視覺誘發(fā)電位腦-機(jī)接口的關(guān)鍵技術(shù)研究[D];清華大學(xué);2015年

4 岳敬偉;腦機(jī)協(xié)調(diào)控制理論與關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

5 潘家輝;基于P300和SSVEP的高性能腦機(jī)接口及其應(yīng)用研究[D];華南理工大學(xué);2014年

6 余天佑;多模態(tài)與多自由度腦機(jī)接口研究[D];華南理工大學(xué);2013年

本文編號(hào)：2801671