【摘要】：大腦中的場景選擇區(qū)域在導航視覺環(huán)境中起著重要的作用。盡管不同類別的場景圖片通常具有相似的圖像統(tǒng)計數(shù)據(jù),人類大腦仍然可以有效的對不同類別的場景進行區(qū)分。本研究主要是分析幾個重要的場景選擇性腦區(qū)的功能作用。為了探究人腦場景選擇區(qū)域的神經反應與低級視覺特征及高級的語義類別之間的關系。文章采用多體素模式分析以及表征相似性分析的方法來對場景圖片進行視覺解碼,這些從數(shù)據(jù)庫中得到的場景圖片在作為實驗刺激前要經過濾波處理來改變圖片頻率這類低級圖片屬性。多體素模式分析主要是用來分析海馬旁區(qū)(PPA)、后皮質復合體(RSC)、枕骨區(qū)域(OPA)、側枕復合體(LOC)以及V1腦區(qū)區(qū)分不同類別的場景圖片以及不同濾波處理的場景圖片的能力,發(fā)現(xiàn)這幾個腦區(qū)均可以有效地實現(xiàn)高通和全通場景分類,而部分腦區(qū)對低通濾波處理的場景圖片分類效果相對較差,而且LOC以及V1這兩個相對初級的視覺腦區(qū)對于區(qū)分高通與低通這類低級圖片屬性更加敏感。為了進一步的從表征上獲取這幾個腦區(qū)的激活與語義類別以及低級圖片屬性之間的關聯(lián)程度,本論文還進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,而V1的腦區(qū)激活與頻率更加接近,LOC腦區(qū)則是與類別相關性更強,但是也表現(xiàn)出了與頻率這類低級圖片屬性有較強的相關性。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景選擇區(qū)域的神經反應進行相關分析,而且為了分析場景選擇性腦區(qū)與卷積神經網絡之間的關聯(lián)性,也將多個經典的CNN網絡與這些腦區(qū)進行相關性分析,發(fā)現(xiàn)了CNN網絡與場景選擇性區(qū)域的神經反應之間的相關性的變化趨勢。根據(jù)所得的結果,可以看出雖然這幾個CNN網絡的結構和深度存在差異,但是與場景選擇性腦區(qū)的激活之間的關系變化趨勢基本類似。PPA、RSC、OPA以及LOC這幾個與場景類別更加相關的腦區(qū)與CNN網絡所選取的各層的相關性表現(xiàn)出了先下降后上升的趨勢,而V1這一與低級圖片屬性更加相關的腦區(qū)與CNN網絡所選取的各層的相關性則是表現(xiàn)出了先上升后下降的趨勢,可以說明CNN網絡在前期的各層中更接近于V1腦區(qū)對于場景圖像的處理,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)對于場景圖像的處理。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：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體素信號所形成的空間模式作為樣本。這樣，數(shù)據(jù)中的特征通常會比樣本多。如果將全腦的體素作為特征，僅有數(shù)十個樣本卻有數(shù)萬特征的情況也會發(fā)生，這樣會導致過擬合現(xiàn)象的發(fā)生。因此通常不會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)生同時使得所得到的模式更加明確地反應認知狀態(tài)在神經活動中的表征。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】

相關期刊論文 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[J];計算機應用研究;2013年06期

2 姚軍財;;基于人眼感知特性的圖像空間頻率計算方法[J];陜西理工學院學報(自然科學版);2012年05期

3 雷威;楊志;詹e

本文編號：2722443