本文主要研究内容
作者张琪琪（2019）在《场景选择性脑区在视觉解码应用上的功能研究》一文中研究指出：大脑中的场景选择区域在导航视觉环境中起着重要的作用。尽管不同类别的场景图片通常具有相似的图像统计数据,人类大脑仍然可以有效的对不同类别的场景进行区分。本研究主要是分析几个重要的场景选择性脑区的功能作用。为了探究人脑场景选择区域的神经反应与低级视觉特征及高级的语义类别之间的关系。文章采用多体素模式分析以及表征相似性分析的方法来对场景图片进行视觉解码,这些从数据库中得到的场景图片在作为实验刺激前要经过滤波处理来改变图片频率这类低级图片属性。多体素模式分析主要是用来分析海马旁区(PPA)、后皮质复合体(RSC)、枕骨区域(OPA)、侧枕复合体(LOC)以及V1脑区区分不同类别的场景图片以及不同滤波处理的场景图片的能力,发现这几个脑区均可以有效地实现高通和全通场景分类,而部分脑区对低通滤波处理的场景图片分类效果相对较差,而且LOC以及V1这两个相对初级的视觉脑区对于区分高通与低通这类低级图片属性更加敏感。为了进一步的从表征上获取这几个脑区的激活与语义类别以及低级图片属性之间的关联程度,本论文还进行了表征相似性分析。分析发现PPA,RSC,OPA的脑区激活与类别更加相关,而V1的脑区激活与频率更加接近,LOC脑区则是与类别相关性更强,但是也表现出了与频率这类低级图片属性有较强的相关性。在表征相似性分析的过程中,不仅将刺激图像的视觉特征与场景选择区域的神经反应进行相关分析,而且为了分析场景选择性脑区与卷积神经网络之间的关联性,也将多个经典的CNN网络与这些脑区进行相关性分析,发现了CNN网络与场景选择性区域的神经反应之间的相关性的变化趋势。根据所得的结果,可以看出虽然这几个CNN网络的结构和深度存在差异,但是与场景选择性脑区的激活之间的关系变化趋势基本类似。PPA、RSC、OPA以及LOC这几个与场景类别更加相关的脑区与CNN网络所选取的各层的相关性表现出了先下降后上升的趋势,而V1这一与低级图片属性更加相关的脑区与CNN网络所选取的各层的相关性则是表现出了先上升后下降的趋势,可以说明CNN网络在前期的各层中更接近于V1脑区对于场景图像的处理,而在后期的各层中则是更加接近于PPA,RSC,OPA以及LOC等脑区对于场景图像的处理。
Abstract
da nao zhong de chang jing shua ze ou yu zai dao hang shi jiao huan jing zhong qi zhao chong yao de zuo yong 。jin guan bu tong lei bie de chang jing tu pian tong chang ju you xiang shi de tu xiang tong ji shu ju ,ren lei da nao reng ran ke yi you xiao de dui bu tong lei bie de chang jing jin hang ou fen 。ben yan jiu zhu yao shi fen xi ji ge chong yao de chang jing shua ze xing nao ou de gong neng zuo yong 。wei le tan jiu ren nao chang jing shua ze ou yu de shen jing fan ying yu di ji shi jiao te zheng ji gao ji de yu yi lei bie zhi jian de guan ji 。wen zhang cai yong duo ti su mo shi fen xi yi ji biao zheng xiang shi xing fen xi de fang fa lai dui chang jing tu pian jin hang shi jiao jie ma ,zhe xie cong shu ju ku zhong de dao de chang jing tu pian zai zuo wei shi yan ci ji qian yao jing guo lv bo chu li lai gai bian tu pian pin lv zhe lei di ji tu pian shu xing 。duo ti su mo shi fen xi zhu yao shi yong lai fen xi hai ma pang ou (PPA)、hou pi zhi fu ge ti (RSC)、zhen gu ou yu (OPA)、ce zhen fu ge ti (LOC)yi ji V1nao ou ou fen bu tong lei bie de chang jing tu pian yi ji bu tong lv bo chu li de chang jing tu pian de neng li ,fa xian zhe ji ge nao ou jun ke yi you xiao de shi xian gao tong he quan tong chang jing fen lei ,er bu fen nao ou dui di tong lv bo chu li de chang jing tu pian fen lei xiao guo xiang dui jiao cha ,er ju LOCyi ji V1zhe liang ge xiang dui chu ji de shi jiao nao ou dui yu ou fen gao tong yu di tong zhe lei di ji tu pian shu xing geng jia min gan 。wei le jin yi bu de cong biao zheng shang huo qu zhe ji ge nao ou de ji huo yu yu yi lei bie yi ji di ji tu pian shu xing zhi jian de guan lian cheng du ,ben lun wen hai jin hang le biao zheng xiang shi xing fen xi 。fen xi fa xian PPA,RSC,OPAde nao ou ji huo yu lei bie geng jia xiang guan ,er V1de nao ou ji huo yu pin lv geng jia jie jin ,LOCnao ou ze shi yu lei bie xiang guan xing geng jiang ,dan shi ye biao xian chu le yu pin lv zhe lei di ji tu pian shu xing you jiao jiang de xiang guan xing 。zai biao zheng xiang shi xing fen xi de guo cheng zhong ,bu jin jiang ci ji tu xiang de shi jiao te zheng yu chang jing shua ze ou yu de shen jing fan ying jin hang xiang guan fen xi ,er ju wei le fen xi chang jing shua ze xing nao ou yu juan ji shen jing wang lao zhi jian de guan lian xing ,ye jiang duo ge jing dian de CNNwang lao yu zhe xie nao ou jin hang xiang guan xing fen xi ,fa xian le CNNwang lao yu chang jing shua ze xing ou yu de shen jing fan ying zhi jian de xiang guan xing de bian hua qu shi 。gen ju suo de de jie guo ,ke yi kan chu sui ran zhe ji ge CNNwang lao de jie gou he shen du cun zai cha yi ,dan shi yu chang jing shua ze xing nao ou de ji huo zhi jian de guan ji bian hua qu shi ji ben lei shi 。PPA、RSC、OPAyi ji LOCzhe ji ge yu chang jing lei bie geng jia xiang guan de nao ou yu CNNwang lao suo shua qu de ge ceng de xiang guan xing biao xian chu le xian xia jiang hou shang sheng de qu shi ,er V1zhe yi yu di ji tu pian shu xing geng jia xiang guan de nao ou yu CNNwang lao suo shua qu de ge ceng de xiang guan xing ze shi biao xian chu le xian shang sheng hou xia jiang de qu shi ,ke yi shui ming CNNwang lao zai qian ji de ge ceng zhong geng jie jin yu V1nao ou dui yu chang jing tu xiang de chu li ,er zai hou ji de ge ceng zhong ze shi geng jia jie jin yu PPA,RSC,OPAyi ji LOCdeng nao ou dui yu chang jing tu xiang de chu li 。
论文参考文献
论文详细介绍
论文作者分别是来自电子科技大学的张琪琪，发表于刊物电子科技大学2019-07-17论文，是一篇关于功能磁共振论文,多体素模式分析论文,表征相似性分析论文,卷积神经网络论文,场景选择性脑区论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子科技大学2019-07-17论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：功能磁共振论文; 多体素模式分析论文; 表征相似性分析论文; 卷积神经网络论文; 场景选择性脑区论文; 电子科技大学2019-07-17论文;