本文關(guān)鍵詞：基于多體素模式分析的fMRI視覺(jué)信息解碼技術(shù)研究　出處：《解放軍信息工程大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 多體素模式分析 功能磁共振成像 主特征分析 體素選擇 稀疏學(xué)習(xí) 特征提取/維數(shù)約減 主成分分析 多維尺度分析 敏銳度 高空間頻率信息

【摘要】：視覺(jué)是人類從客觀世界獲得信息的主要方式,也是人類認(rèn)識(shí)客觀世界的重要手段。作為大腦——自然界最復(fù)雜、最精密系統(tǒng)——的重要組成部分,視覺(jué)系統(tǒng)在視覺(jué)信息處理方面具有計(jì)算機(jī)所無(wú)法比擬的高效性。隨著神經(jīng)影像學(xué)的飛速發(fā)展,尤其是在具有較高空間分辨率的功能磁共振成像技術(shù)(functional Magnetic Resonance Imaging,fMRI)出現(xiàn)之后,從大腦神經(jīng)活動(dòng)中解讀視覺(jué)信息成為可能,并逐漸成為研究熱點(diǎn)。利用fMRI信號(hào)進(jìn)行視覺(jué)信息的解碼需要對(duì)復(fù)雜的、包含較多噪聲的多變量數(shù)據(jù)進(jìn)行精確分析。經(jīng)典的單變量分析方法將每個(gè)體素看作獨(dú)立的特征進(jìn)行分析,不僅會(huì)選擇信息冗余的體素,還常常忽略那些未能達(dá)到顯著激活水平卻包含重要信息的體素�；诙囿w素模式分析(Multi-Voxel Pattern Analysis,MVPA)的fMRI視覺(jué)信息解碼將大腦的多體素激活看作高維空間中的激活模式,從視覺(jué)區(qū)激活模式中提取與視覺(jué)圖像刺激相關(guān)的信息,利用模式分類的方法解碼大腦視覺(jué)區(qū)所包含的信息。MPVA為開(kāi)展基于fMRI的神經(jīng)編碼和信息處理機(jī)制研究提供了重要途徑,也成為大腦視覺(jué)信息解讀的主要方法。本文結(jié)合fMRI成像技術(shù)的特點(diǎn)和大腦視覺(jué)信息處理的神經(jīng)機(jī)制,引入MVPA方法框架,針對(duì)fMRI視覺(jué)信息解碼技術(shù)中的體素選擇方法、特征維數(shù)約減方法、視覺(jué)信息解讀方法以及fMRI視覺(jué)信息解碼的敏銳度問(wèn)題開(kāi)展研究并進(jìn)行分析和討論。主要工作包括:1.研究了基于MVPA的fMRI視覺(jué)信息解碼中的體素選擇方法。fMRI數(shù)據(jù)中包含較多的噪聲,為改善視覺(jué)信息解碼中體素選擇的有效性,本文提出了一種基于多變量分析的體素選擇方法。該方法引入并改進(jìn)了主特征分析方法,將每個(gè)體素都投射到低維的主成分空間,在主成分空間對(duì)體素進(jìn)行聚類分析,從每個(gè)聚類中選取代表體素并剔除噪聲體素。本文通過(guò)實(shí)際采集的圖像四分類實(shí)驗(yàn)數(shù)據(jù)對(duì)該方法進(jìn)行了驗(yàn)證,分析結(jié)果表明,該方法與經(jīng)典方法相比能夠以更少的體素保留更多的信息,有利于提高視覺(jué)信息分類的準(zhǔn)確性。2.研究了基于MVPA的fMRI視覺(jué)信息解碼中的特征維數(shù)約減方法。特征維數(shù)約減是解決fMRI視覺(jué)信息解碼中樣本維數(shù)高、樣本量小等問(wèn)題的基本途徑之一。經(jīng)典的特征維數(shù)約減方法在降維的同時(shí),往往會(huì)導(dǎo)致部分視覺(jué)相關(guān)信息的丟失,從而影響后續(xù)的視覺(jué)信息解讀的性能。針對(duì)這一問(wèn)題,本文提出了一種基于稀疏學(xué)習(xí)的維數(shù)約減方法,更加高效地將高維數(shù)據(jù)分類問(wèn)題轉(zhuǎn)變成低維數(shù)據(jù)分類問(wèn)題。該方法在視覺(jué)信息稀疏表達(dá)的準(zhǔn)則下,以不同實(shí)驗(yàn)條件下的樣本原型(prototype example)為約束,利用稀疏學(xué)習(xí)算法學(xué)習(xí)高維體素空間到低維特征空間的變換關(guān)系。實(shí)驗(yàn)結(jié)果表明,與主成分分析、多維尺度分析等方法相比,該方法能夠在更低維的空間保留更多的視覺(jué)信息。3.研究基于MVPA的視覺(jué)信息解讀方法。本文結(jié)合大腦視覺(jué)信息處理機(jī)制和神經(jīng)成像特點(diǎn),在MVPA特征分析的研究基礎(chǔ)上提出了兩種視覺(jué)信息解讀方法。第一種是基于主特征分析的解碼方法,該方法通過(guò)主特征分析進(jìn)行體素選擇,并結(jié)合支持向量機(jī)分類器進(jìn)行視覺(jué)信息解讀。第二種方法通過(guò)稀疏學(xué)習(xí)方法進(jìn)行維數(shù)約減,結(jié)合線性判別分析等簡(jiǎn)單分類器進(jìn)行視覺(jué)信息解讀。實(shí)驗(yàn)結(jié)果表明,兩種方法均能有效提取蘊(yùn)含在fMRI體素中的視覺(jué)信息,使視覺(jué)信息解讀性能得到顯著提升。其中,第二種方法在樣本數(shù)據(jù)線性可分的情形下能夠達(dá)到更高的分類性能,第一種方法則易于推廣到樣本數(shù)據(jù)非線性可分的情況。4.研究了基于MVPA的fMRI視覺(jué)信息解碼中的敏銳度(acuity)問(wèn)題。本文結(jié)合體素模式的生物學(xué)基礎(chǔ),分析得出fMRI視覺(jué)信息解讀存在高空間頻率信息不足的問(wèn)題:fMRI體素模式的信息主要來(lái)源于宏觀的體素水平,主要反映視覺(jué)信息中的低空間頻率信息。面向腦機(jī)協(xié)同的圖像分類檢索應(yīng)用,本文提出一種將圖像高空間頻率特征和大腦視覺(jué)皮層體素特征相融合的圖像分類方法,通過(guò)引入少量的圖像高空間頻率信息,輔助視覺(jué)區(qū)體素進(jìn)行圖像分類。實(shí)驗(yàn)結(jié)果表明,極少量圖像高空間頻率信息的加入顯著提升了分類的準(zhǔn)確率,進(jìn)而驗(yàn)證了fMRI視覺(jué)信息解讀敏銳度不足的結(jié)論。此外,該方法對(duì)設(shè)計(jì)面向圖像檢索應(yīng)用的fMRI視覺(jué)解讀系統(tǒng)具有重要的借鑒意義。
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41;R318

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

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

2 李晟;;功能性腦成像的多維模式分析方法(英文)[J];生理學(xué)報(bào);2011年05期

3 陳俊杰;趙麗;相潔;;用機(jī)器學(xué)習(xí)方法解碼腦圖像數(shù)據(jù)[J];計(jì)算機(jī)工程與應(yīng)用;2012年10期

4 吳義根,田志雄,黃雄,吳光耀,李麗云,孫駿謨,劉買利,唐孝威;人腦初級(jí)視皮層內(nèi)事件相關(guān)型視覺(jué)刺激fMRI BOLD響應(yīng)特性初步研究[J];波譜學(xué)雜志;2003年03期

5 沈鈞賢;人類腦計(jì)劃與神經(jīng)信息學(xué)[J];生物物理學(xué)報(bào);2001年04期

，

本文編號(hào)：1320950