视觉系统是人类获取外部环境信息的重要感官之一,人脑视觉信息处理具有高效、抗噪和鲁棒性,尤其表现在对自然场景的识别和处理上。大脑惊人的视觉信息处理能力背后,隐藏着怎样的神经机制呢?这是令无数科学家着迷的问题,解读人脑视觉认知快速编码/解码机制一直是脑科学最具前沿和挑战性的方向。随着脑编码机制的逐渐清晰和脑成像技术及模式识别方法的快速发展,科学家们开始思考更复杂更深层次的问题—脑解码:能否根据脑功能活动信号进行视觉重构,推算出大脑所知觉到的视觉信息,比如文字和图像?从2005年开始,国际上一些著名科学家和实验室开始探索脑解码的方法和技术,近年来取得了很大进步。Miyawaki利用早期视皮层视网膜拓扑映射关系建立了一种不受限于候选类别的脑信号视觉图像重建方法和技术,但是,他的方法重构出的图像具有很大的噪声,并且重构的效率低。针对这样的不足之处,本文提出了基于F-score特征选择的贝叶斯重构方法,来改善图像重构的精度和效率。要实现视觉图像的重构,则需要对大脑的视觉皮层亚区的定位,本文首先开展了视网膜拓扑映射的磁共振实验。该实验通过“楔形”和“环形”刺激来诱发大脑视觉皮层,使用广义线性模型(GLM)来找到视觉皮层中激活体素,计算被激活体素的极角值和离心率值,得到大脑的极角图和离心率图。根据极角图和离心率图初步实现了初级视觉皮层亚区的划分,实现了V1,V2,V3区域的体素定位。针对Miyawaki提出的基于SMLR图像重构方法噪声大和重构效率低的问题,本文建立了一个基于F-score特征选择算法的贝叶斯视觉图像重构模型。该模型使用F-score特征选择方法选择出重构效果好的体素,去除了与刺激图像不相关的体素,最终降低了重构图像的噪声。结合复杂度低的贝叶斯方法,能显著提高视觉图像重构的效率。