[發(fā)明專利]一種人腦活動(dòng)中自然圖像貝葉斯重建的方法在審
| 申請(qǐng)?zhí)枺?/td> | 201811342468.3 | 申請(qǐng)日: | 2018-11-13 |
| 公開(公告)號(hào): | CN109615608A | 公開(公告)日: | 2019-04-12 |
| 發(fā)明(設(shè)計(jì))人: | 伏云發(fā);李昭陽(yáng);王文樂(lè);周洲州;陳睿;李玉;熊馨 | 申請(qǐng)(專利權(quán))人: | 昆明理工大學(xué) |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00;G06T9/00;G06T11/00 |
| 代理公司: | 暫無(wú)信息 | 代理人: | 暫無(wú)信息 |
| 地址: | 650093 云*** | 國(guó)省代碼: | 云南;53 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 自然圖像 先驗(yàn) 先驗(yàn)信息 語(yǔ)義編碼 貝葉斯 結(jié)構(gòu)編碼 人腦 重建 圖像 功能磁共振 編碼模型 目標(biāo)圖像 重建圖像 結(jié)合體 稀疏 重構(gòu) 測(cè)量 響應(yīng) 清晰 應(yīng)用 | ||
本發(fā)明涉及一種人腦活動(dòng)中自然圖像貝葉斯重建的方法,屬于功能磁共振技術(shù)領(lǐng)域。本發(fā)明包括步驟:首先通過(guò)應(yīng)用兩個(gè)編碼模型結(jié)構(gòu)編碼模型和語(yǔ)義編碼模型;從測(cè)量的響應(yīng)中提取關(guān)于目標(biāo)圖像的信息;接著,確定關(guān)于自然圖像的先驗(yàn)信息,其中使用自然圖像先驗(yàn)、稀疏Gabor先驗(yàn)和扁平先驗(yàn);最后,通過(guò)使用貝葉斯框架來(lái)結(jié)合體素、結(jié)構(gòu)和語(yǔ)義編碼模型以及圖像先驗(yàn)信息來(lái)獲得重構(gòu)。本發(fā)明把結(jié)構(gòu)編碼模型、語(yǔ)義編碼模型和先驗(yàn)信息相結(jié)合這三個(gè)相結(jié)合重建的圖像,能夠清晰地看到重建圖像的結(jié)構(gòu)和具體內(nèi)容。
技術(shù)領(lǐng)域
本發(fā)明涉及一種人腦活動(dòng)中自然圖像貝葉斯重建的方法,屬于功能磁共振技術(shù)領(lǐng)域。
背景技術(shù)
最近的研究已經(jīng)使用來(lái)自早期視覺(jué)區(qū)域的fMRI信號(hào)來(lái)重建簡(jiǎn)單的幾何圖案。在這里,我們展示了一種人腦活動(dòng)中自然圖像貝葉斯重建的方法,它使用來(lái)自早期和前方視覺(jué)區(qū)域的fMRI信號(hào)來(lái)重建復(fù)雜的自然圖像。我們的解碼器結(jié)合了三個(gè)要素:表征早期視覺(jué)區(qū)域響應(yīng)的結(jié)構(gòu)編碼模型,表征前視覺(jué)區(qū)域響應(yīng)的語(yǔ)義編碼模型,以及關(guān)于自然圖像結(jié)構(gòu)和語(yǔ)義內(nèi)容的先驗(yàn)信息。通過(guò)組合所有這些元素,解碼器產(chǎn)生重建,準(zhǔn)確地反映觀察到的自然圖像中包含的對(duì)象的空間結(jié)構(gòu)和語(yǔ)義類別。我們的研究結(jié)果表明,先前的信息對(duì)自然圖像重建的質(zhì)量有重大影響。我們還證明,前視覺(jué)區(qū)域?qū)?fù)雜自然圖像的反應(yīng)的大部分變化僅由圖像的語(yǔ)義范疇來(lái)解釋。
功能磁共振成像提供了一個(gè)單一的刺激激活單獨(dú)的大腦區(qū)域活動(dòng)的測(cè)量。fMRI的這一特性使其成為一種優(yōu)秀的大腦閱讀工具,其中多個(gè)體素的反應(yīng)被用于解碼誘發(fā)它們的刺激。最常見的解碼方法是圖像分類。最近的兩項(xiàng)研究已超越分類并展示了刺激重建。重建的目標(biāo)是生成一幅呈現(xiàn)的圖像文字圖片。Thirion等人(2006)和Miyawaki等人(2008)的研究通過(guò)分析早期視覺(jué)區(qū)域中體素的反應(yīng)來(lái)實(shí)現(xiàn)重建。為了簡(jiǎn)化問(wèn)題,兩項(xiàng)研究都使用由閃爍棋盤圖案組成的幾何刺激。然而,一個(gè)通用的大腦閱讀設(shè)備應(yīng)該能夠重建自然圖像。自然圖像是重建的重要目標(biāo),因?yàn)樗鼈兣c日常感知和主觀過(guò)程(如圖像和做夢(mèng))最相關(guān)。自然圖像也是非常具有挑戰(zhàn)性的重建目標(biāo),因?yàn)樗鼈兙哂袕?fù)雜的統(tǒng)計(jì)結(jié)構(gòu)和豐富的語(yǔ)義內(nèi)容(即描繪有意義的對(duì)象和場(chǎng)景)。重建自然圖像的方法應(yīng)該能夠同時(shí)揭示圖像的結(jié)構(gòu)和語(yǔ)義內(nèi)容。
在以前的研究中,采用結(jié)構(gòu)編碼模型而不使用貝葉斯框架來(lái)解決圖像的識(shí)別問(wèn)題。圖像識(shí)別的目的是確定在某個(gè)試驗(yàn)中看到了哪個(gè)特定的圖像,這些圖像是從一組已知圖像中提取出來(lái)的。
發(fā)明內(nèi)容
本發(fā)明提供了一種人腦活動(dòng)中自然圖像貝葉斯重建的方法,使用來(lái)自早期和前部視覺(jué)區(qū)域的fMRI信號(hào)來(lái)重建復(fù)雜的自然圖像,本發(fā)明可以更準(zhǔn)確的重建自然圖像的空間結(jié)構(gòu),同時(shí)揭示其語(yǔ)義內(nèi)容。在這里使用的貝葉斯框架下,重建被定義為具有最高誘發(fā)測(cè)量響應(yīng)的后驗(yàn)概率的圖像。
本發(fā)明的技術(shù)方案是:一種人腦活動(dòng)中自然圖像貝葉斯重建的方法,首先通過(guò)應(yīng)用兩個(gè)編碼模型結(jié)構(gòu)編碼模型和語(yǔ)義編碼模型;從測(cè)量的響應(yīng)中提取關(guān)于目標(biāo)圖像的信息;接著,確定關(guān)于自然圖像的先驗(yàn)信息,其中使用自然圖像先驗(yàn)、稀疏Gabor先驗(yàn)和扁平先驗(yàn);最后,通過(guò)使用貝葉斯框架來(lái)結(jié)合體素、結(jié)構(gòu)和語(yǔ)義編碼模型以及圖像先驗(yàn)信息來(lái)獲得重構(gòu)。
進(jìn)一步地,所述人腦活動(dòng)中自然圖像貝葉斯重建的方法的具體步驟如下:
Step1、選擇被試,讓其觀看一組目標(biāo)圖像同時(shí)進(jìn)行磁共振掃描記錄大腦的BOLD信號(hào);
Step2、對(duì)記錄到的BOLD信號(hào)進(jìn)行預(yù)處理,包括時(shí)間層校正、頭動(dòng)校正、空間標(biāo)準(zhǔn)化去除偽跡;
Step3、應(yīng)用兩個(gè)編碼模型,結(jié)構(gòu)編碼模型和語(yǔ)義編碼模型,從測(cè)量的響應(yīng)BOLD信號(hào)中提取關(guān)于目標(biāo)圖像的體素;
Step4、確定關(guān)于目標(biāo)圖像的先驗(yàn)信息;先驗(yàn)信息包括自然圖像先驗(yàn)、稀疏Gabor先驗(yàn)和扁平先驗(yàn);
Step5、通過(guò)使用貝葉斯框架來(lái)結(jié)合體素,結(jié)構(gòu)和語(yǔ)義編碼模型以及先驗(yàn)信息來(lái)獲得重構(gòu)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于昆明理工大學(xué),未經(jīng)昆明理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811342468.3/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 一種基于區(qū)域潛在語(yǔ)義特征的自然場(chǎng)景圖像分類方法
- 一種模仿視覺(jué)感知機(jī)制的自然場(chǎng)景類型辨識(shí)方法
- 一種基于類別分布的自然場(chǎng)景分類排序方法
- 基于色彩傳遞的可見光黑白視頻圖像自然感彩色化方法
- 基于自然圖像塊先驗(yàn)驅(qū)動(dòng)的壓縮鬼成像重構(gòu)方法及系統(tǒng)
- 一種預(yù)警準(zhǔn)確的自然災(zāi)害預(yù)警系統(tǒng)
- 一種基于稀疏局部保持投影的全參考屏幕圖像質(zhì)量評(píng)價(jià)方法
- 基于動(dòng)作電位發(fā)放間隔的自然圖像隨機(jī)森林成像方法
- 自然場(chǎng)景中行駛證拍照影像的識(shí)別方法、裝置及電子設(shè)備
- 一種通用場(chǎng)景文字識(shí)別方法及裝置
- 一種基于混合貝葉斯先驗(yàn)分布的可靠性驗(yàn)證測(cè)試方法
- 一種基于注意力先驗(yàn)的胃鏡視頻摘要方法
- 一種先驗(yàn)頻點(diǎn)排序的方法及裝置
- 一種混合相位子波提取方法
- 視頻預(yù)測(cè)方法和裝置、電子設(shè)備及車輛
- 視頻預(yù)測(cè)方法、視頻預(yù)測(cè)裝置、電子設(shè)備和車輛
- 一種應(yīng)用于神經(jīng)網(wǎng)絡(luò)的先驗(yàn)框確定方法及裝置
- 基于先驗(yàn)地圖信息的障礙物檢測(cè)方法、裝置和存儲(chǔ)介質(zhì)
- 處理傳感器信息以供對(duì)象檢測(cè)
- 一種病變圖像的病灶檢測(cè)方法及裝置
- 用于先驗(yàn)解碼的系統(tǒng)和方法
- 用于在通信系統(tǒng)中傳輸先驗(yàn)信息的方法及裝置
- 基于一般先驗(yàn)信息約束的核磁共振數(shù)據(jù)反演方法和裝置
- 譯碼的方法和裝置
- 用于先驗(yàn)解碼的系統(tǒng)和方法
- 一種基于先驗(yàn)信息矩陣的無(wú)線信道稀疏特征估計(jì)方法
- 基于先驗(yàn)地圖信息的障礙物檢測(cè)方法、裝置和存儲(chǔ)介質(zhì)
- PAT先驗(yàn)信息輔助的基于CNN和自適應(yīng)EKF的動(dòng)態(tài)FMT重建方法
- 基于噪聲先驗(yàn)的CNN醫(yī)學(xué)CT圖像去噪方法
- 圖像處理方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)
- 一種文本語(yǔ)義編碼方法及裝置
- 機(jī)器翻譯方法、訓(xùn)練方法、相應(yīng)的裝置及電子設(shè)備
- 任務(wù)型對(duì)話機(jī)器人應(yīng)答方法、裝置及機(jī)器人、存儲(chǔ)介質(zhì)
- 一種基于深度神經(jīng)網(wǎng)絡(luò)的中文語(yǔ)言處理模型及方法
- 摘要生成方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種聯(lián)合信息抽取方法及裝置
- 文本語(yǔ)義編碼方法及系統(tǒng)
- 一種問(wèn)句自動(dòng)生成方法及系統(tǒng)
- 基于依存句法的相似度計(jì)算模型和系統(tǒng)及搭建系統(tǒng)的方法
- 語(yǔ)義特征的生成方法、模型訓(xùn)練方法、裝置、設(shè)備及介質(zhì)





