深度运动问题的脑机制研究

论文摘要

对深度运动（motion-in-depth,MID）过程的研究是视运动知觉研究中非常重要的课题。对自然界的动物来讲,判断接近的物体对自己是否具有威胁性及精确判断出飞来物体何时会到达（即计算碰撞时间TTC,time-to-collision）是攸关观察者生命与生活的关键问题。尽管在动物电生理方面有很多好的工作,但目前未见带有明显生理意义且符合神经元特性的成熟脑机制模型的报道。对人类来说,研究“人脑如何处理运动过程中的视觉信息”以及“怎样通知运动系统以躲避即将到来的危险”是非常有意义的工作。现代先进的神经成像技术的应用,如正电子发射断层成像（positron emission computerized topography,PET）、功能磁共振成像（functional magnetic resonance imaging,fMRI）、脑电图（electroencephalogram,EEG）和脑磁图（magnetoencephalography,MEG）等为人类的深度运动问题提供了一些解答,但仍有很多问题待解决。本论文围绕深度运动过程的视觉脑机制问题,从数学模型、脑电事件相关电位（event-related potential,ERP）时-空分析等几个方面进行了深入、细致地有创新性的研究。所作的主要工作与成果如下:1、动物检测碰撞过程的视觉脑机制研究用模型方法阐述了动物（鸽子）检测碰撞过程的脑机制,并用神经网络的方法进行仿真,得到了较好的结果。模型的简单性与动物的简单反应原则一致,且在生理性、稳健性、延展性、适用性等方面均有良好表现,证明在解释鸟类从初始的视网膜成像到大脑最终获得准确的碰撞时间（TTC）信息的整个视觉信息处理过程中,它可能是一种比较合理的视觉脑机制模型。2、人类知觉深度运动过程的视觉脑机制研究通过更接近人类视觉经验的实验范式,结合人的ERP与fMRI数据,系统地研究了人在知觉深度运动过程中的视觉脑机制问题。多种时-空分析方法的结果表明,人的深度运动感知与平面运动感知是有差异的,且人的深度运动ERP受运动方向、接近物体的大小和运动速度的强烈影响。深度运动的感知过程激活了三个主要的脑区,并呈现了五个主要的脑电时间成分,本文详细探讨了这些时-空动力学响应在深度运动感知中的意义与作用。在这些成果的基础上,我们提出了一个简单的多区域同步整合模型,以解释人类知觉深度运动的信息处理过程。3、大脑信息整合的研究从大脑信息整合的角度,探讨了动物与人在知觉深度运动过程中的视觉信息处理问题,渗透于以上两个有关的动物与人的视觉脑机制研究中,我们提出了动物检测碰撞过程的时-空整合模型和人知觉深度运动过程的多区域同步整合模型。这些模型都具有明确的生理意义,在解释知觉深度运动过程中的大脑视觉信息处理中显示了较好的效果,并可望用于人工智能机器人的视觉系统中,以仿生的方式达到深度运动视觉中的感知和碰撞避免。

论文目录

• 摘要
• Abstract
• 目录
• 第一部分 绪论
• 一、脑科学与认知神经科学
• 1.1 脑科学
• 1.2 认知神经科学
• 1.3 研究历史与现状
• 1.4 研究技术的发展
• 二、运动视觉与深度运动过程
• 2.1 视觉研究
• 2.2 运动视觉
• 2.3 视运动知觉的研究进展
• 2.4 深度运动过程与碰撞过程
• 三、本文所涉及的研究工作
• 3.1 本文所涉及的研究工作
• 3.2 意义与新颖性
• 四、本文的结构安排
• 第二部分 动物检测碰撞过程的脑机制研究
• 一、动物的视觉与动物脑功能活动检测概述
• 2.1 动物的视觉
• 2.2 动物的脑功能活动检测
• 2.2.1 神经生物学
• 2.2.2 动物的脑功能活动检测
• 二、动物检测碰撞的过程
• 2.1 目前的研究进展
• 2.2 动物检测碰撞过程的电生理实验
• 2.3 问题的提出及研究的总体设计
• 三、动物检测碰撞过程的脑机制模型
• 3.1 两个假定条件
• 3.2 时-空整合模型
• 3.2.1 数学模型
• 3.2.2 时-空整合计算模型
• 3.3 模型的仿真
• 3.3.1 仿真模型结构的选择
• 3.3.2 神经网络基础
• 3.3.3 仿真模型
• 3.3.4 权系数与偏置量的选取
• 3.3.5 结果与讨论
• 3.4 模型的适用性与推广性
• 3.4.1 区分不同的运动方向（接近角度）
• 3.4.2 区分接近运动和自我运动过程
• 3.4.3 反映逼近物体大小的影响
• 四、小结
• 第三部分 人知觉深度运动过程的脑机制研究
• 一、人的运动视觉与脑功能活动检测
• 1.1 人的视觉系统
• 1.2 人的运动视觉
• 1.3 人脑功能活动的检测
• 1.3.1 概述
• 1.3.2 常用的几种脑活动探测技术之间的比较
• 二、人深度运动过程的感知
• 2.1 目前的研究进展
• 2.2 问题的提出及研究的总体设计
• 三、脑电实验及数据处理方法
• 3.1 人类脑电及其探测的电学方法
• 3.2 脑电数据采集及预处理
• 3.3 ERP数据的提取
• 3.4 本研究中使用的ERP分析方法
• 3.4.1 总能量分析
• 3.4.2 主成分分析方法
• 3.4.3 共平均空间模式PCA
• 3.4.4 相干分析
• 3.4.5 相位分析
• 3.4.6 脑电源定位分析
• 四、深度运动的脑电研究Ⅰ—MIP与 MID感知的差异
• 4.1 实验方法
• 4.2 实验步骤
• 4.3 ERP数据的提取与前处理
• 4.4 数据分析与结果
• 4.4.1 确定分析时间段
• 4.4.2 主成分分析
• 4.4.3 时-空模式
• 4.5 统计分析
• 4.6 讨论
• 4.6.1 枕及枕颞区
• 4.6.2 枕顶区
• 4.6.3 多脑联合区
• 4.6.4 其它
• 4.7 小结
• 五、深度运动的脑电研究Ⅱ——深度运动知觉的脑机制
• 5.1 实验方法
• 5.2 实验步骤
• 5.3 ERP数据的提取与预处理
• 5.4 数据分析与结果
• 5.4.1 总能量分析
• 5.4.2 原始信号的时空分析
• 5.4.3 一般PCA分析
• 5.4.4 共平均空间模式下的时-空模式
• 5.5 脑电源定位分析
• 5.5.1 定位结果
• 5.5.2 小结
• 5.6 统计分析
• 5.6.1 共平均空间模式下的ERP统计分析
• 5.6.2 不同实验模式下源分布的统计分析
• 5.7 讨论
• 5.7.1 最显著的关键波——N220、P300
• 5.7.2 早期关键波——P80、N100、P140
• 5.7.3 晚期关键波——N350、P400
• 5.8 小结
• 六、fMRI实验及源定位分析
• 6.1 fMRI原理与数据处理概述
• 6.2 实验目的
• 6.3 实验过程
• 6.4 数据处理
• 6.4.1 空间预处理
• 6.4.2 设计矩阵
• 6.4.3 对比结果
• 6.5 讨论
• 七、深度运动过程感知的神经机制
• 7.1 运动过程感知
• 7.2 大脑信息整合
• 7.3 枕及枕颞区、枕顶区及额区的源定位及在 MID过程感知中的作用
• 7.4 人知觉深度运动过程的神经机制
• 八、小结
• 第四部分 总结与展望
• 一、总结
• 二、展望
• 参考文献
• 致谢
• 作者攻读博士期间发表和录用的论文