基于实时功能磁共振成像的面部情绪解码技术研究

发布时间：2021-05-06 19:01

　　大脑情绪的解读对于面向高级认知的脑机交互具有重要作用,因此基于神经信号对面部视觉刺激的情绪解码成为大脑视觉加工研究的重要组成部分。功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）以其高时间、空间分辨率优势成为研究大脑视觉信息加工的主要手段。目前,基于fMRI的大脑视觉信息加工的研究主要集中在对大脑感知的视觉刺激进行语义和内容的解析上,对于如何通过视觉皮层的大脑活动表达视觉刺激中的情绪特征,以及如何实现视觉刺激的情绪解码这一问题研究较少。本文针对利用视觉皮层的fMRI信号对面部情绪进行特征表达以及实时情绪类型解码的方法展开研究,对融合高级认知的脑机接口、大脑视觉信息重构等研究方向,具有重要的理论意义和实际价值。本文围绕基于fMRI的面部视觉刺激情绪解码的关键问题,结合大脑视觉皮层信息加工的原理以及深度学习、增量学习等方法,在fMRI脑功能图像的快速配准、针对面部情绪解析的视皮层体素特征提取、实时面部情绪解码方法等几个方面展开具体研究。主要工作如下:（1）针对本文研究的面部情绪解码问题设计并开展了相关fMRI实验,建立面部情绪解码实际数... 

【文章来源】：战略支援部队信息工程大学河南省

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景与研究意义
    1.2 实时fMRI与视觉信息感知
        1.2.1 实时功能磁共振成像技术
        1.2.2 大脑视觉信息感知机制
    1.3 基于fMRI的图像配准和面部情绪解码技术研究现状
        1.3.1 基于深度学习的MRI图像配准技术研究现状
        1.3.2 基于fMRI的面部情绪解码技术研究现状
    1.4 课题研究内容与论文结构安排
第二章 基于fMRI的面部情绪解码实验与数据处理
    2.1 实验受试者
    2.2 实验设计
    2.3 实验刺激呈现
        2.3.1 视网膜映射刺激
        2.3.2 面部识别区定位刺激
        2.3.3 面部情绪解码任务刺激
        2.3.4 静息态扫描任务
    2.4 实验fMRI数据采集
    2.5 实验数据处理
        2.5.1 实验数据预处理
        2.5.2 一般线性模型分析
        2.5.3 感兴趣区定义
    2.6 本章小结
第三章 基于深度学习的快速fMRI脑影像配准技术研究
    3.1 fMRI脑影像配准技术概述
        3.1.1 传统fMRI脑影像配准技术
        3.1.2 基于深度学习的fMRI脑影像配准技术
        3.1.3 fMRI脑影像配准结果的评估
    3.2 基于卷积神经网络的fMRI脑影像配准方法
        3.2.1 卷积神经网络框架及原理
        3.2.2 基于U-net的 fMRI脑影像配准技术
    3.3 实验结果及分析
        3.3.1 实验数据
        3.3.2 实验结果
        3.3.3 实验结果讨论
    3.4 本章小结
第四章 基于大脑视觉皮层活动的fMRI面部情绪特征提取技术研究
    4.1 基于大脑视觉皮层的主成分最大相关体素特征提取技术
        4.1.1 fMRI体素选择方法
        4.1.2 主成分最大相关原理及方法
        4.1.3 基于皮层的主成分最大相关方法
    4.2 基于参数优选的面部情绪解码器
    4.3 实验结果及分析
        4.3.1 实验数据
        4.3.2 实验结果
        4.3.3 实验结果讨论
    4.4 本章小结
第五章 基于实时fMRI数据增量学习的面部情绪解码技术研究
    5.1 OpenNFT实时功能磁共振数据采集和处理系统
    5.2 解码器在线实时更新实验流程
    5.3 基于增量学习的解码器实时更新算法
        5.3.1 经典SVM增量学习算法
        5.3.2 错误样本触发SVM增量学习算法
    5.4 实验结果及分析
        5.4.1 实验数据
        5.4.2 解码器对比实验结果
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
作者简历



本文编号：3172455