[发明专利]一种人脑活动中自然图像贝叶斯重建的方法

说明书

本发明涉及一种人脑活动中自然图像贝叶斯重建的方法，属于功能磁共振技术领域。本发明包括步骤：首先通过应用两个编码模型结构编码模型和语义编码模型；从测量的响应中提取关于目标图像的信息；接着，确定关于自然图像的先验信息，其中使用自然图像先验、稀疏Gabor先验和扁平先验；最后，通过使用贝叶斯框架来结合体素、结构和语义编码模型以及图像先验信息来获得重构。本发明把结构编码模型、语义编码模型和先验信息相结合这三个相结合重建的图像，能够清晰地看到重建图像的结构和具体内容。

技术领域

本发明涉及一种人脑活动中自然图像贝叶斯重建的方法，属于功能磁共振技术领域。

背景技术

最近的研究已经使用来自早期视觉区域的fMRI信号来重建简单的几何图案。在这里，我们展示了一种人脑活动中自然图像贝叶斯重建的方法，它使用来自早期和前方视觉区域的fMRI信号来重建复杂的自然图像。我们的解码器结合了三个要素：表征早期视觉区域响应的结构编码模型，表征前视觉区域响应的语义编码模型，以及关于自然图像结构和语义内容的先验信息。通过组合所有这些元素，解码器产生重建，准确地反映观察到的自然图像中包含的对象的空间结构和语义类别。我们的研究结果表明，先前的信息对自然图像重建的质量有重大影响。我们还证明，前视觉区域对复杂自然图像的反应的大部分变化仅由图像的语义范畴来解释。

功能磁共振成像提供了一个单一的刺激激活单独的大脑区域活动的测量。fMRI的这一特性使其成为一种优秀的大脑阅读工具，其中多个体素的反应被用于解码诱发它们的刺激。最常见的解码方法是图像分类。最近的两项研究已超越分类并展示了刺激重建。重建的目标是生成一幅呈现的图像文字图片。Thirion等人(2006)和Miyawaki等人(2008)的研究通过分析早期视觉区域中体素的反应来实现重建。为了简化问题，两项研究都使用由闪烁棋盘图案组成的几何刺激。然而，一个通用的大脑阅读设备应该能够重建自然图像。自然图像是重建的重要目标，因为它们与日常感知和主观过程(如图像和做梦)最相关。自然图像也是非常具有挑战性的重建目标，因为它们具有复杂的统计结构和丰富的语义内容(即描绘有意义的对象和场景)。重建自然图像的方法应该能够同时揭示图像的结构和语义内容。

在以前的研究中，采用结构编码模型而不使用贝叶斯框架来解决图像的识别问题。图像识别的目的是确定在某个试验中看到了哪个特定的图像，这些图像是从一组已知图像中提取出来的。

发明内容

本发明提供了一种人脑活动中自然图像贝叶斯重建的方法，使用来自早期和前部视觉区域的fMRI信号来重建复杂的自然图像，本发明可以更准确的重建自然图像的空间结构，同时揭示其语义内容。在这里使用的贝叶斯框架下，重建被定义为具有最高诱发测量响应的后验概率的图像。

本发明的技术方案是：一种人脑活动中自然图像贝叶斯重建的方法，首先通过应用两个编码模型结构编码模型和语义编码模型；从测量的响应中提取关于目标图像的信息；接着，确定关于自然图像的先验信息，其中使用自然图像先验、稀疏Gabor先验和扁平先验；最后，通过使用贝叶斯框架来结合体素、结构和语义编码模型以及图像先验信息来获得重构。

进一步地，所述人脑活动中自然图像贝叶斯重建的方法的具体步骤如下：

Step1、选择被试，让其观看一组目标图像同时进行磁共振扫描记录大脑的BOLD信号；

Step2、对记录到的BOLD信号进行预处理，包括时间层校正、头动校正、空间标准化去除伪迹；

Step3、应用两个编码模型，结构编码模型和语义编码模型，从测量的响应BOLD信号中提取关于目标图像的体素；

Step4、确定关于目标图像的先验信息；先验信息包括自然图像先验、稀疏Gabor先验和扁平先验；

Step5、通过使用贝叶斯框架来结合体素，结构和语义编码模型以及先验信息来获得重构。