基于实时功能磁共振成像的脑状态解码研究

Recently, brain state decoding based on functional magnetic resonance imaging (fMRI) has become a hot topic of cognitive neuroscience. The types of decoding inlucde classification, identification and reconstruction. This project is going to deeply investigate brain state decoding and feedback based on real-time fMRI (RT-fMRI) technique from the classification. Because multivariate pattern classifcation is more and more widely applied to fMRI decoding studies, the current project will deeply investigate the following two critical issues in terms of the application of the pattern classification to the real-time decoding of fMRI data. 1) Methodological study of brain state decoding based on RT-fMRI. 2) Real-time decoding and feedback training of episodic memory based on RT-fMRI. This project will not only help us better understand and create our brain, but also provide a potential way for us to perform more flexible cognitive training and clinical rehabilitation.

近年来，基于功能磁共振成像(functional magnetic resonance imaging, fMRI)的脑状态解码研究成为认知神经科学的研究热点。当前有关解码研究可以分为三类：分类、识别和重构。本项目拟将从分类的角度来深入探讨基于实时fMRI(real-time fMRI或RT-fMRI)的脑状态实时解码和反馈。由于多变量模式分类方法被越来越多的用于fMRI解码研究中，本项目将针对模式分类方法在fMRI实时解码中存在的若干问题，围绕以下两个方面进行深入探讨：（1）基于RT-fMRI的脑状态解码的方法学研究。（2）基于RT-fMRI的情景记忆实时解码及反馈训练的研究。本项目的研究不仅能够更好的帮助我们去理解和改造大脑，同时也为我们开展更加灵活的认知能力训练实验以及临床的康复和治疗等方面提供一种可能的途径。

基于功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）的脑状态解码研究是认知神经科学领域的研究热点。本项目围绕脑状态解码与实时fMRI（real-time fMRI）技术相结合的关键技术，重点对脑状态解码的方法学问题进行了深入探讨，并最终用于实时的脑状态解码的认知训练研究中。本项目主要开展了以下三方面的研究内容。.一是对脑状态解码中的特征选择和提取方法深入探讨。（1）在特征选择方法方面，我们提出了基于拉普拉斯的平滑L0模的特征提取算法，大大提高了计算效率及最终解码的准确率。（2）在特征提取方法方面，我们对独立成分分析（Independent Component Analysis, ICA）进行了系统深入的探讨，提出了两步超高斯ICA算法、稀疏快速ICA算法、时空约束的ICA算法。相对于传统的ICA算法，新的ICA算法能够更加准确的从fMRI数据中提取出脑网络特征。.二是对脑状态解码中的模式分类方法深入探讨。我们提出了欧拉弹性网的逻辑回归方法、半监督稀疏表征分类器、两步偏相关分类算法。新的解码算法与传统的支撑向量基分类器相比，都能够大大的提高fMRI数据的解码准确率。.三是我们基于开发的脑状态解码算法，搭建了实时脑状态解码平台。在此平台上，我们开展了实时运动想象训练的脑状态解码研究，揭示了与实时运动想象训练有关的神经机制。. 该项目的研究成果有助于我们更加准确的实现对脑状态的解码，进而有助于我们更好的理解和改造大脑。