本文關(guān)鍵詞：基于實(shí)時功能磁共振成像的腦機(jī)交互自然圖像檢索技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：大腦是人體的知覺中心、思維中心和控制中心,針對大腦活動進(jìn)行成像的神經(jīng)影像學(xué)的飛速發(fā)展使人們得以讀取大腦的活動信號,極大地推動了神經(jīng)科學(xué)的進(jìn)步。尤其是功能磁共振成像技術(shù)(functional Magnetic Resonance Imaging,fMRI)出現(xiàn)之后,大腦功能活動成像空間分辨率大幅提高,使得對大腦復(fù)雜感知和認(rèn)知神經(jīng)活動的精確解讀成為可能。視覺信息作為人類主要的信息來源,其解讀技術(shù)一直是腦科學(xué)的研究熱點(diǎn)。基于實(shí)時功能磁共振成像(real time fMRI,rt-fMRI)的圖像檢索能夠直接利用腦活動信號還原出大腦所接收到的視覺信息,是現(xiàn)階段視覺信息解讀技術(shù)研究中最具挑戰(zhàn)性和最有吸引力的技術(shù),在人腦視覺信息處理機(jī)制研究中占有顯著地位。針對人腦接受自然圖片刺激時的視覺信息解讀問題,本文著重研究了融合初級和中級視覺特征編碼模型的圖像識別方法和基于卷積神經(jīng)網(wǎng)絡(luò)視覺編解碼模型的語義分類方法,并在此基礎(chǔ)上結(jié)合rt-f MRI腦機(jī)交互技術(shù),構(gòu)建了基于rt-fMRI的腦機(jī)交互自然圖像檢索系統(tǒng)。主要研究工作包括:1.構(gòu)建了一種融合中級視覺特征字典的視覺編碼模型,并基于該模型實(shí)現(xiàn)了一種圖像識別方法。目前已有的視覺編碼模型通常將初級視覺皮層看作一個整體,強(qiáng)調(diào)對初級視覺特征的表征能力,而缺乏對處理中級視覺特征相關(guān)視覺區(qū)功能的模擬,影響了視覺編碼模型的準(zhǔn)確性。本文使用稀疏字典訓(xùn)練的方法構(gòu)造了針對斑點(diǎn)特征和角點(diǎn)特征的中級視覺特征字典,并使用該字典模擬大腦視覺區(qū)的信息處理方式,同時將該字典與金字塔結(jié)構(gòu)Gabor小波模型相結(jié)合,構(gòu)建了融合初級和中級視覺特征的編碼模型。本文使用該優(yōu)化模型進(jìn)行了基于fMRI的圖像識別的實(shí)驗(yàn),結(jié)果表明,優(yōu)化的視覺編碼模型能夠有效地表征特定的初級和中級視覺特征,提高圖像識別的準(zhǔn)確率。2.提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)視覺編碼模型的語義分類方法。傳統(tǒng)的語義分類方法以fMRI中各體素獨(dú)立作用為假設(shè),以單個體素在視覺刺激下激活的顯著水平作為其是否用于視覺語義分類特征的依據(jù),但大腦fMRI體素激活值的高低并不能直接反映該體素包含視覺語義信息的多少,這影響了視覺語義信息解讀的有效性。本文基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建語義相關(guān)視覺區(qū)域的編碼模型,利用語義相關(guān)特征相似性作為標(biāo)準(zhǔn)來進(jìn)行特征選擇,選擇出的體素在一定程度上能夠包含更多語義相關(guān)信息。四種語義的自然圖像的分類實(shí)驗(yàn)結(jié)果表明,該方法能有效地提高語義分類的準(zhǔn)確性。3.提出了一種fMRI圖像檢索中的實(shí)時腦機(jī)交互策略,并構(gòu)建了一套基于rt-fMRI的腦機(jī)交互自然圖像檢索系統(tǒng)。該系統(tǒng)融合了視覺信息的語義解讀和基于視覺編碼模型的圖像識別算法,可以通過對大腦fMRI信號的解讀在線檢索出圖像庫中與視覺刺激接近的圖像。同時,本文在該系統(tǒng)中引入實(shí)時反饋機(jī)制,設(shè)計(jì)了一種基于視覺注意狀態(tài)實(shí)時分類的rt-fMRI腦機(jī)交互策略,進(jìn)行視覺信息在人與計(jì)算機(jī)之間的雙向傳遞,以提高視覺語義解讀的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)能夠有效、穩(wěn)定地完成實(shí)時圖像檢索任務(wù),并且在引入腦機(jī)交互模塊后分類正確率有顯著提高。
【關(guān)鍵詞】：功能磁共振成像 視覺編碼模型 中級視覺特征 稀疏字典學(xué)習(xí) 多體素模式分析 特征選擇 卷積神經(jīng)網(wǎng)絡(luò) 腦機(jī)交互 圖像檢索
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;R318
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-23
• 1.1 課題背景及意義13-14
• 1.2 視覺信息解讀技術(shù)14-19
• 1.2.1 視覺編碼模型15-17
• 1.2.2 多體素模式分析解碼方法17-19
• 1.3 基于實(shí)時功能磁共振的腦機(jī)交互技術(shù)19-22
• 1.3.1 實(shí)時功能磁共振成像19-20
• 1.3.2 腦機(jī)交互技術(shù)20-22
• 1.4 課題研究內(nèi)容及論文結(jié)構(gòu)安排22-23
• 第二章 基于中級視覺特征編碼模型的自然圖像識別23-35
• 2.1 金字塔結(jié)構(gòu)Gabor小波編碼模型23-25
• 2.2 一種基于中級視覺特征字典的編碼模型25-27
• 2.3 基于f MRI的自然圖像識別實(shí)驗(yàn)27-34
• 2.3.1 實(shí)驗(yàn)材料28-30
• 2.3.2 實(shí)驗(yàn)結(jié)果和分析30-34
• 2.4 本章小結(jié)34-35
• 第三章 基于卷積神經(jīng)網(wǎng)絡(luò)視覺編碼的視覺語義分類35-45
• 3.1 f MRI特征選擇方法35-37
• 3.1.1 基于感興趣區(qū)域的特征選擇方法35-36
• 3.1.2 基于單變量分析的特征選擇方法36-37
• 3.2 基于卷積神經(jīng)網(wǎng)絡(luò)編碼模型的特征選擇方法37-40
• 3.2.1 卷積神經(jīng)網(wǎng)絡(luò)編碼模型的構(gòu)建38-39
• 3.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的特征選擇39-40
• 3.3 基于f MRI的自然圖像四分類實(shí)驗(yàn)40-44
• 3.3.1 實(shí)驗(yàn)材料40-42
• 3.3.2 結(jié)果分析42-44
• 3.4 本章小結(jié)44-45
• 第四章 基于實(shí)時功能磁共振的腦機(jī)交互自然圖像檢索45-57
• 4.1 基于視覺信息解讀的腦機(jī)交互自然圖像檢索45-46
• 4.2 實(shí)時數(shù)據(jù)傳輸與處理46-50
• 4.2.1 實(shí)時數(shù)據(jù)傳輸47
• 4.2.2 實(shí)時數(shù)據(jù)處理47-50
• 4.3 基于rt-fMRI的視覺信息腦機(jī)交互方法50-51
• 4.4 視覺刺激生成與顯示51-53
• 4.5 基于rt-fMRI的自然圖像檢索實(shí)驗(yàn)53-55
• 4.5.1 實(shí)驗(yàn)材料53-54
• 4.5.2 結(jié)果分析54-55
• 4.6 本章小結(jié)55-57
• 第五章 總結(jié)與展望57-59
• 5.1 總結(jié)57-58
• 5.2 展望58-59
• 致謝59-61
• 參考文獻(xiàn)61-67
• 作者簡歷67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 童莉;王理軍;鄭載舟;閆鑌;;基于多體素模式分析的fMRI視覺解碼研究綜述[J];信息工程大學(xué)學(xué)報(bào);2015年01期

2 吳朝暉;俞一鵬;潘綱;王躍明;;腦機(jī)融合系統(tǒng)綜述[J];生命科學(xué);2014年06期

3 黃凱奇;任偉強(qiáng);譚鐵牛;;圖像物體分類與檢測算法綜述[J];計(jì)算機(jī)學(xué)報(bào);2014年06期

4 呂柄江;趙小杰;姚力;高家紅;;實(shí)時功能磁共振成像及其應(yīng)用[J];科學(xué)通報(bào);2014年02期

5 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

6 ;Development of an invasive brain machine interface with a monkey model[J];Chinese Science Bulletin;2012年16期

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

8 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

  本文關(guān)鍵詞：基于實(shí)時功能磁共振成像的腦機(jī)交互自然圖像檢索技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：429859