论文部分内容阅读
功能近红外光谱成像技术(FNIRS)是一种无创的大脑皮层功能活动检测手段。相比于其它的大脑皮层功能活动检测方法,它具有较高的时间分辨率,低廉的设备成本和数据采集成本,可以实时的看到结果,是一种非常具有发展潜力的技术。然而,功能近红外光谱成像的相关技术还在发展之中,相关的近红外光谱成像手段总体上还不成熟。本文的目的就是运用新的技术分析手段对功能近红外光谱成像技术的原始信号分析、以及运用机器学习的方法提高功能近红外光谱成像技术的自动化水平,从而推动功能近红外光谱成像技术的发展、应用。本文的内容概括如下:首先,本文对功能近红外光谱成像技术的原理进行了阐述,总结出功能近红外光谱成像技术的原理、特点等。然后根据功能近红外成像技术的信号特点,将ICA算法引入到脑功能成像信号处理中,结果表明该算法获得的独立成分信号与动手指任务中所执行的任务信号时间尺度一致,其也与ICA算法运用于fMRI影像的结果一致,都分离出了BOLD信号,说明了ICA算法在功能近红外光谱成像技术原始信号提取中具有重要作用。其次,采用机器学习的方法,研究了基于FNIRS技术的脑机接口。将神经网络方法运用于FNIRS信号的类别分类上,组成一种功能原件-脑机接口。通过实验验证,结果表明该种基于FNIRS的脑机接口的可行性。结合FNIRS的特点,说明FNIRS在脑机接口方面具有非常大的潜力,具有良好的经济和社会意义。最后,探讨了FNIRS在疾病诊断方面的应用。生物统计学已经广泛运用于临床数据的分析上面。本文把FNIRS作为一种临床研究手段,通过对FNIRS采集到的病人、正常对照组间的统计分析,表明了FNIRS作为一种新的功能影像方法,其在生物医学、临床应用中的重要作用。同时,其与fMRI结构像的结合,也将更有利于临床应用。通过对FNIRS的技术分析以及应用,我们可以得出这样的结论:功能近红外光谱成像技术作为一种成像方式,它在生物医学领域的具有其他成像方式所不具有的优点,功能近红外光谱成像技术可以作为一种重要的成像方式加以研究、推广。