论文部分内容阅读
大脑中的场景选择区域在导航视觉环境中起着重要的作用。尽管不同类别的场景图片通常具有相似的图像统计数据，人类大脑仍然可以有效的对不同类别的场景进行区分。本研究主要是分析几个重要的场景选择性脑区的功能作用。 为了探究人脑场景选择区域的神经反应与低级视觉特征及高级的语义类别之间的关系。文章采用多体素模式分析以及表征相似性分析的方法来对场景图片进行视觉解码，这些从数据库中得到的场景图片在作为实验刺激前要经过滤波处理来改变图片频率这类低级图片属性。多体素模式分析主要是用来分析海马旁区（PPA）、后皮质复合体（RSC）、枕骨区域（OPA）、侧枕复合体（LOC）以及V1脑区区分不同类别的场景图片以及不同滤波处理的场景图片的能力，发现这几个脑区均可以有效地实现高通和全通场景分类，而部分脑区对低通滤波处理的场景图片分类效果相对较差，而且LOC以及V1这两个相对初级的视觉脑区对于区分高通与低通这类低级图片属性更加敏感。 为了进一步的从表征上获取这几个脑区的激活与语义类别以及低级图片属性之间的关联程度，本论文还进行了表征相似性分析。分析发现PPA，RSC，OPA的脑区激活与类别更加相关，而V1的脑区激活与频率更加接近，LOC脑区则是与类别相关性更强，但是也表现出了与频率这类低级图片属性有较强的相关性。在表征相似性分析的过程中，不仅将刺激图像的视觉特征与场景选择区域的神经反应进行相关分析，而且为了分析场景选择性脑区与卷积神经网络之间的关联性，也将多个经典的CNN网络与这些脑区进行相关性分析，发现了CNN网络与场景选择性区域的神经反应之间的相关性的变化趋势。根据所得的结果，可以看出虽然这几个CNN网络的结构和深度存在差异，但是与场景选择性脑区的激活之间的关系变化趋势基本类似。PPA、RSC、OPA以及LOC这几个与场景类别更加相关的脑区与CNN网络所选取的各层的相关性表现出了先下降后上升的趋势，而V1这一与低级图片属性更加相关的脑区与CNN网络所选取的各层的相关性则是表现出了先上升后下降的趋势，可以说明CNN网络在前期的各层中更接近于V1脑区对于场景图像的处理，而在后期的各层中则是更加接近于PPA，RSC，OPA以及LOC等脑区对于场景图像的处理。