视觉物体识别是在简单或者复杂背景中检测、分离并认知目标客体的过程,其对人类的生存、发展及社交至关重要。视觉物体识别能力个体差异较大,但是,行为训练可以有效改善物体识别能力。既有的行为学研究表明:在实验室条件下,短期训练可以提高普通被试对简单几何图形、普通物体以及人脸的识别率。不同的视觉识别对象的物理属性各有差异,对视觉物体识别的训练方式、训练差异均有影响。对于简单的几何图形,被试只需要数小时甚至更短的时间即可获得该识别能力。面向真实世界中的客体,视觉物体识别能力的提升往往需要较长时间的训练,最终可以获取专家技能,如一般影像科学生成长成为经验丰富的影像医师往往需要数年之久。对于真实世界客体识别,如何打破传统的认知曲线,缩短学习时间仍然是挑战性问题。行为的源头是大脑,但是,我们的大脑组织并非固定的而是可塑的,其不断适应动态的世界变化。受到感觉输入、经验塑造、病理和营养等关键因素影响,大脑的功能和结构是时时可变的,鲁棒的视觉识别行为表现往往对应稳定的神经基础。神经影像技术可以实时地、非侵入地对大脑进行宽视场范围内的观测。尤其是过去三十年间,磁共振技术(Magnetic Resonance Imaging,MRI)已经成为最常用的大脑探测手段之一,被广泛用于脑可塑性相关研究。诸多研究认为:静息态下大脑的自由涨落活动信息中包含了之前所有时刻经验的集合,是被试特质信息的集中表现,因此,大量研究利用静息态下大脑的活动状态预测被试在未经干预或者接受干预后的行为表现。本文围绕真实世界复杂客体的视觉识别增强问题开展了行为学和神经影像学研究,其主要工作和创新点如下:首先,面对真实世界复杂客体的视觉识别增强问题,心理学及认知神经科学研究提供了大量训练范式。根据科研项目中的实际需求,面对X类地面战车合成孔径雷达图像的识别问题,本文优化并实现了一种面向真实世界客体识别能力强化的方式,面对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的识别训练,设计了内嵌高效学习范式的定量化SAR图像识别训练平台,实现了对SAR图像识别能力的快速训练。具体而言,一方面,本文通过系统、完备的文献综述总结了视觉识别训练的有效的训练范式,结合实际问题属性,提出了最优的训练范式,即:带双极性反馈的最小限度反馈,并结合该范式设计了针对SAR图像的学习任务。另一方面,本文优化了物体识别能力的量化问题,提出了能综合衡量训练人员SAR图像识别能力的多位置自由响应的受试者工作特征曲线(Multi-Location Free Response Receiver Operating Characteristic,MLROC)算法,该算法将常用的多维度判决指标(特异性、敏感性以及人员信心等级)融合为一个表征指标,解决了视觉物体识别能力量化评估的关键问题。基于模拟数据的分析结果表明:该算法有效,且敏感度高。随后,本文招募12名无雷达基础知识背景的普通大学生被试,利用本文所提出的训练方式,结合该平台对其进行了测试和20天短期训练,统计学分析结果表明:训练前后,被试的行为表现得到了显著提升,可以近似达到专家水平,证实了该训练方法的有效性和高效性。其次,本文开展了基于静息态功能磁共振成像数据的物体识别能力预测研究,建立了中枢表征和行为表征之间的预测关系。根据科研项目中的实际需求,本文在西安交通大学第一附属医院影像科招募了52名影像科实习生,采集了其行为学数据和静息态功能磁共振数据,并选取静息态功能磁共振的常用量度指标建立特征向量,预测每个被试的视觉物体识别能力,利用多体素分析(Multi-Voxel Pattern Analysis,MVPA)建立了中枢表征和行为表征之间的关联关系。具体如下:本文计算了被试静息态下三种维度,即:度中心性(Degree Centrality,DC)、局部一致性值(Regional Homogeneity,Re Ho)和低频振荡振幅值(Amplitude of Low Frequency Fluctuation,ALFF)及三种维度联合共四种指标作为预测特征。本文首先用探照灯用来特征提取,接着用主成分分析法(Principle Component Analysis,PCA)进行特征降维,然后与定量评估得分进行支持向量回归(Support Vector Regression,SVR),采用留一法交叉验证,将预测值和实际值之间的准确程度用皮尔逊相关进行定量分析,并利用多重比较统计检验明确具有统计显著意义的脑区。本文的数据分析结果显示:DC指标的预测效率最高,在该特征之下,左侧额中回区域的预测效率最高。