基于fMRI的腦詞匯認知狀態(tài)識別方法研究.pdf

1、人腦是人體內(nèi)外環(huán)境信息獲得、存儲、處理、加工和整合的中樞，揭示人腦的奧秘是人們一直以來的追求與夢想。隨著各種新方法、新技術(shù)在腦研究領(lǐng)域的應用，相關(guān)實驗數(shù)據(jù)大量產(chǎn)生。僅僅對這些數(shù)據(jù)進行簡單的存儲、查詢和計算，根本無法挖掘出背后隱藏的大量信息。因此，必須用數(shù)據(jù)挖掘的方法以及先進的信息學工具，對實驗數(shù)據(jù)進行分析、處理、整合和建模，從而發(fā)現(xiàn)新的規(guī)律，揭示腦認知活動的深層機制。 腦功能磁共振成像(fMRI)是近年來用于認知研究的重要技術(shù)。

2、本文在對腦功能磁共振成像數(shù)據(jù)分析處理研究的基礎(chǔ)上，探討了基于fMRI圖像的腦詞匯認知狀態(tài)識別方法。本文的工作主要從以下三個方面展開。 針對fMRI圖像的配準問題展開了研究。由于主客觀原因的存在，實驗獲得的時間序列的fMRI圖像并不能完全對齊，而認知實驗中的統(tǒng)計分析都是基于同一部位的，因此必須對圖像進行配準。本文給出了一種基于云模型改進的粒子群優(yōu)化的fMRI圖像配準方法，并用該方法進行了模擬的配準實驗。結(jié)果表明，該方法較使用標準的

3、粒子群算法收斂速度快，配準精度高，可以較好地解決fMRI圖像配準問題。 研究了fMRI圖像的特征抽取方法。實驗獲得的fMRI圖像往往含有數(shù)十萬個體素點，表示成向量的形式后維數(shù)也具有同樣的數(shù)量級，這很不利于分析研究。因此，必須用盡可能少的變量表征原圖像所蘊含的信息。本文給出了一種基于主成分分析的fMRI圖像特征抽取方法。用該方法對fMRI數(shù)據(jù)進行特征提取后，可以將原來圖像的體素信息用極少數(shù)量的主成分(通常都在10以內(nèi))來表示，且維