基于DTI脑网络多变量分析的面孔识别能力个体差异的研究

发布时间：2020-11-12 23:28

　　 面孔信息是人类的生存进化和社交生活中最重要的视觉刺激之一。而面孔信息在大脑中的加工机制仍不得而知。探究面孔识别的脑连接网络有助于人们了解面孔信息在大脑中的加工机制;有助于对临床上伴有面孔识别障碍疾病的研究和治疗;还有助于机器视觉中人脸识别算法的改善和提升,对国土保卫、公共安全和交通安检上具有重要意义。在认知科学领域,已有的研究证明人类的面孔识别能力存在两种极端情况,即面孔识别超级能力和面孔身份识别障碍。进一步的研究表明在普通人群中面孔识别能力也存在着较大的个体差异,而现存的研究往往忽略了个体差异所带来的影响。本研究从面孔识别的个体差异角度入手,对面孔识别神经机制进行研究。在神经影像科学领域,发现了多个与面孔识别相关的脑区,比如:梭状回面孔区(the fusiform face area,FFA)、枕叶面孔区(the occipital face area,OFA),以及颞叶等脑区。此外,进一步的研究还发现面孔识别能力依赖于一个分布于全脑的神经网络。根据该网络理论,面孔加工可以分解为多个认知加工环节,并由网络内多个相互协调的功能模块实现。面孔识别可以视为面孔加工多个认知环节的功能集成。因此,从网络分析的角度入手探讨面孔加工的脑区之间连接模式,可以为面孔加工神经机制的进一步研究提供直接的影像学依据。本研究利用弥散张量成像(Diffusion Tensor Imaging,DTI)构建面孔加工的脑结构网络,并对该网络连接模式与面孔识别能力的个体差异之间的关系进行分析。本研究首先通过一系列的面孔和物体识别任务来对被试者的面孔识别能力进行测量,然后通过DTI技术获取被试者大脑的结构连接矩阵,最后探究被试者的脑结构连接矩阵与面孔识别能力之间的关系。这里最后一步分析包括四阶段,第一,根据现存的认知和神经影像知识选择出可能与面孔加工相关的脑区;第二,根据皮尔逊相关分析筛选出与面孔识别能力可能具有关联的脑连接;第三,利用弹性网回归建立基于大脑结构网络的面孔识别能力预测模型;最后,采用支持向量机(SVM)模型来验证本研究提取出的面孔识别脑结构网络的有效性。综上,本研究得到了一个有效的面孔识别脑结构网络,并且验证了左侧梭状回脑区、部分枕叶脑区、右侧颞极脑区以及部分边缘系统脑区与面孔识别能力具有密切关系。这些发现表明传统的功能影像研究中发现的面孔加工脑区在面孔识别脑结构网络中扮演着重要角色。此外,本研究还验证了面孔识别信息在大脑中是以脑网络的形式加工的。本研究的发现有助于揭示面孔信息在整个面孔加工网络中的传递模式,为研究面孔加工的神经机制提供重要的影像学依据。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R318
【部分图文】：

ｕｔｐｕｔ＿ｂｖｅｃｓ，记录扫描磁场加的方向信；（４）文文：ｏｕｔｐｕｔ＿ｉｎｆｏ．ｔｘｔ，被试的信息。??提取出的原始ＤＴＩ像如图３－１所示：??■ＭＰＭＩ??图３－１原始ＤＴＴ像??Ｆｉｇｕｒｅ?３－１?Ｏｒｉｇｉｎａｌ?ＤＴＩ?ｉｍａｇｅ??提取出的原始Ｔ１像如图３－２所示：??

原始DTT像

ｏｕｔｐｕｔ是经格式转换后的ＮｌｆＴＩ文件，在ｆｓｌｒｏｉ函数中作为输入；ｎｏｄｉｆ是ｆｓｌｒｏｉ函??数的输出，即未加权的图像；０表示从第一张图像开始提取；１表示只取一张图像。??提取出的第一张未加权图像如图３－３所示：??图３－３提取未加权的图像??Ｆｉｇｕｒｅ?３－３?Ｅｘｔｒａｃｔｅｄ?ｕｎｗｅｉｇｈｔｅｄ?ｉｍａｇｅ??对ＤＴＩ像去除非脑组织时，由于脖颈以下部分己经去除，所以只需去掉头盖??骨边缘即可。使用的命令行如下：??ｂｅｔ?ｎｏｄｉｆ?ｎｏｄｉｆ＿ｂｒａｉｎ?－ｏ?－ｍ?－ｆ?０．２??其中ｂｅｔ函数实现去除脑组织。指令中ｎｏｄｉｆ为提取出的未加权图像，在ｂｅｔ??函数中作为输入图像；ｎｏｄｉｆ＿ｂｒａｉｎ是ｂｅｔ函数的输出文件，即ＤＴＩ图像去除头盖骨??后的图像；－〇用于观察去除头盖骨的程度是否合理；－ｍ用于生成ｍａｓｋ文件，该??文件用于后续的概率建模；－ｆ用于去除头盖骨，经多次尝试，最终选定去除头骨参??数为０．２。??去除头骨后的ＤＴＩ像如图３－４所示：??１２??
【相似文献】

相关期刊论文 前4条

1 王聪;王肇轶;;面孔识别的特异性及加工模型[J];太原师范学院学报(自然科学版);2008年03期

2 彭小虎,王国锋,魏景汉,罗跃嘉;面孔识别特异性脑机制的ERP研究[J];航天医学与医学工程;2004年06期

3 ;DTI公司筹建新厂[J];液晶通讯;1994年04期

4 彭小虎,魏景汉,罗跃嘉,赵仑,王国锋;面孔识别的脑加工成分——N170的ERP研究[J];航天医学与医学工程;2002年04期

相关博士学位论文 前3条

1 王哲;面孔识别的特异性[D];华东师范大学;2008年

2 王凌云;自我面孔识别优势的认知及神经机制研究[D];东北师范大学;2011年

3 陈杰;音乐训练促进面孔识别：行为及神经机制研究[D];西南大学;2012年

相关硕士学位论文 前10条

1 孙凯;基于DTI脑网络多变量分析的面孔识别能力个体差异的研究[D];北京交通大学;2018年

2 郑莹灿;重要他人概念威胁影响自我面孔识别优势[D];西南大学;2015年

3 白丽;自闭症谱系障碍儿童面孔识别障碍的领域特异性与加工特定性[D];闽南师范大学;2015年

4 何燕;老年人认知储备与面孔识别—认知功能与加工方式的中介作用[D];西南大学;2015年

5 田海鹏;维汉大学生对情绪面孔识别的ERP研究[D];新疆师范大学;2015年

6 张向丽;面孔识别种族效应的视知觉特性：行为、训练和眼动的研究[D];浙江理工大学;2015年

7 钟念曾;第一注视点的区域选择对面孔识别种族效应的影响[D];浙江理工大学;2016年

8 李琎;旋转自我面孔识别及其认知机制[D];湖南师范大学;2016年

9 李赟;孤独症谱系障碍儿童少年情绪面孔识别特征及相关纤维束研究[D];南京医科大学;2016年

10 赵卫辉;基于面孔识别的汽车前脸表情设计研究[D];湖南大学;2015年

本文编号：2881380