1、人腦是人體內(nèi)外接受、存儲(chǔ)、處理、整合各種信息的中樞，長(zhǎng)期以來(lái)，人們?cè)絹?lái)越執(zhí)著于對(duì)大腦客觀、確鑿的大腦真想的追尋。隨著科學(xué)技術(shù)的發(fā)展，各種研究人腦的技術(shù)應(yīng)運(yùn)而生，隨之產(chǎn)生海量的數(shù)據(jù)。僅對(duì)這些數(shù)據(jù)進(jìn)行簡(jiǎn)單的處理，無(wú)法挖掘出背后隱藏的信息。所以，必須用有效的數(shù)據(jù)挖掘方法和先進(jìn)的機(jī)器學(xué)習(xí)方法，對(duì)實(shí)驗(yàn)得到的數(shù)據(jù)進(jìn)行分析，處理和建模，從而發(fā)現(xiàn)新的規(guī)律，揭示腦認(rèn)知活動(dòng)的奧秘。
　　功能磁共振成像技術(shù)(fMRI)是近些年來(lái)快速發(fā)展的一門(mén)成像技術(shù)，

2、它具有高分辨率、無(wú)創(chuàng)傷性的優(yōu)點(diǎn)，為研究人類(lèi)大腦的認(rèn)知過(guò)程提供了諸多的便利，尤其在大腦腦區(qū)功能定位和大腦腦網(wǎng)絡(luò)構(gòu)建方面發(fā)揮了重要的作用。
　　本研究是國(guó)家自然基金項(xiàng)目“圖像顏色和形狀特征綁定的腦認(rèn)知過(guò)程及模型研究”的一部分，屬于探索性研究，主要是探索研究基于圖像和顏色的特征捆綁圖像在大腦中的激活模式，設(shè)計(jì)合理的fMRI實(shí)驗(yàn)，選取適用于本研究的特征選擇和特征抽取方法，選擇合適的分類(lèi)算法對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，實(shí)現(xiàn)對(duì)不同特征捆綁圖像fMRI數(shù)據(jù)

3、的識(shí)別。主要工作如下:
　　研究了心理學(xué)實(shí)驗(yàn)設(shè)計(jì)和fMRI實(shí)驗(yàn)設(shè)計(jì)的常見(jiàn)模式，結(jié)合本研究的研究目的，設(shè)計(jì)了合理的實(shí)驗(yàn)范式，選取合適的被試，并根據(jù)實(shí)驗(yàn)要求設(shè)置合理的設(shè)備參數(shù)。
　　熟悉了解以往的數(shù)據(jù)處理方法，根據(jù)以往研究，選擇適合本實(shí)驗(yàn)數(shù)據(jù)處理的方法，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，特征選擇、特征抽取和分類(lèi)。使用基于MATLAB平臺(tái)的SPM軟件對(duì)采集到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理;特征選擇中，對(duì)比了激活區(qū)特征體素選擇和基于分類(lèi)準(zhǔn)確率高的單體素集成特

4、征體素選擇方法，發(fā)現(xiàn)單體素集成的特征選擇方法更適用于本研究;特征抽取中，對(duì)比了BOLD變化最大值、BOLD變化速度、BOLD累計(jì)值和BOLD時(shí)間序列方差和均值組合四種特征抽取方法，對(duì)比得知，BOLD時(shí)間序列方差和均值組合的特征抽取方法更適用于本研究，準(zhǔn)確率相對(duì)其他幾種方法較高。分類(lèi)算法中，選擇對(duì)比了兩種方法:支持向量機(jī)(SVM)分類(lèi)算法和基于多個(gè)弱分類(lèi)器集成的Adaboost算法，發(fā)現(xiàn)Adaboost具有較高的準(zhǔn)確率，接近90％。