Brain-ανάγνωση χρησιμοποιεί τις αποκρίσεις των πολλαπλών voxels στον εγκέφαλο που προκαλείται από ερέθισμα και στη συνέχεια ανιχνεύονται με fMRI ώστε να αποκωδικοποιεί το αρχικό ερέθισμα. Μελέτες ανάγνωση του εγκεφάλου διαφέρουν από τον τύπο της αποκωδικοποίησης (δηλαδή ταξινόμηση, την ταυτοποίηση και την ανασυγκρότηση), ο στόχος (δηλαδή την αποκωδικοποίηση μοτίβα οπτικές, ακουστικές συνήθειες, γνωστικές), καθώς και οι αλγόριθμοι αποκωδικοποίησης (γραμμική ταξινόμηση, γραμμική ταξινόμηση, την άμεση ανασυγκρότηση, ανοικοδόμηση Bayesian , κλπ.) που χρησιμοποιούνται.
ταξινόμηση
Στην ταξινόμηση, ένα μοτίβο της δραστηριότητας σε πολλαπλές voxels χρησιμοποιείται για να καθορίσει την ιδιαίτερη τάξη από την οποία το ερέθισμα τραβήχτηκε. Πολλές μελέτες έχουν ταξινομηθεί οπτικά ερεθίσματα, αλλά η προσέγγιση αυτή έχει επίσης χρησιμοποιηθεί για να χαρακτηρίσει γνωστικές κράτη.
Στην ταξινόμηση, ένα μοτίβο της δραστηριότητας σε πολλαπλές voxels χρησιμοποιείται για να καθορίσει την ιδιαίτερη τάξη από την οποία το ερέθισμα τραβήχτηκε. Πολλές μελέτες έχουν ταξινομηθεί οπτικά ερεθίσματα, αλλά η προσέγγιση αυτή έχει επίσης χρησιμοποιηθεί για να χαρακτηρίσει γνωστικές κράτη.
Ανασυγκρότησης
Στο μυαλό διαβάζοντας την ανοικοδόμηση στόχος είναι να δημιουργηθεί μια κυριολεκτική εικόνα της εικόνας που παρουσιάστηκε. Πρώιμες μελέτες που χρησιμοποιούνται voxels από νωρίς οπτικές περιοχές φλοιό (V1, V2 και V3) για την ανακατασκευή γεωμετρικά ερεθίσματα που αποτελείται από μοτίβα που τρεμοπαίζουν σκακιέρας.
Στο μυαλό διαβάζοντας την ανοικοδόμηση στόχος είναι να δημιουργηθεί μια κυριολεκτική εικόνα της εικόνας που παρουσιάστηκε. Πρώιμες μελέτες που χρησιμοποιούνται voxels από νωρίς οπτικές περιοχές φλοιό (V1, V2 και V3) για την ανακατασκευή γεωμετρικά ερεθίσματα που αποτελείται από μοτίβα που τρεμοπαίζουν σκακιέρας.
Φυσικές εικόνες
Πιο πρόσφατες μελέτες χρησιμοποίησαν voxels από νωρίς και πρόσθιου φλοιού οπτικές περιοχές προς τα εμπρός από τους (οπτικές περιοχές V3A, V3B, V4, και η πλευρική ινιακή), μαζί με τις τεχνικές Bayesian συμπέρασμα για την ανακατασκευή πολύπλοκες φυσικές εικόνες. Αυτή η προσέγγιση ανάγνωση εγκέφαλος χρησιμοποιεί τρεις συνιστώσες: [4] Ένα δομικό μοντέλο κωδικοποίησης που χαρακτηρίζει τις απαντήσεις στις αρχές οπτικές περιοχές? Ένα σημασιολογικό μοντέλο κωδικοποίησης που χαρακτηρίζει τις απαντήσεις σε πρόσθια οπτικές περιοχές? Και πριν Bayseian που περιγράφει την κατανομή των διαρθρωτικών στατιστικών και σημασιολογική σκηνή.Πειραματικά, η διαδικασία είναι για τα θέματα, για να προβάλετε 1750 μαύρο και άσπρο φυσικές εικόνες που συσχετίζονται με voxel ενεργοποίηση στον εγκέφαλό τους. Στη συνέχεια, τα θέματα δει άλλες 120 εικόνες στόχο μυθιστόρημα, και τις πληροφορίες από τις προηγούμενες σαρώσεις χρησιμοποιείται ανακατασκευή τους. Φυσικά εικόνες που χρησιμοποιούνται περιλαμβάνουν εικόνες από ένα καφενείο θάλασσα και το λιμάνι, οι εκτελεστές σε ένα στάδιο, και πυκνό φύλλωμα
Πιο πρόσφατες μελέτες χρησιμοποίησαν voxels από νωρίς και πρόσθιου φλοιού οπτικές περιοχές προς τα εμπρός από τους (οπτικές περιοχές V3A, V3B, V4, και η πλευρική ινιακή), μαζί με τις τεχνικές Bayesian συμπέρασμα για την ανακατασκευή πολύπλοκες φυσικές εικόνες. Αυτή η προσέγγιση ανάγνωση εγκέφαλος χρησιμοποιεί τρεις συνιστώσες: [4] Ένα δομικό μοντέλο κωδικοποίησης που χαρακτηρίζει τις απαντήσεις στις αρχές οπτικές περιοχές? Ένα σημασιολογικό μοντέλο κωδικοποίησης που χαρακτηρίζει τις απαντήσεις σε πρόσθια οπτικές περιοχές? Και πριν Bayseian που περιγράφει την κατανομή των διαρθρωτικών στατιστικών και σημασιολογική σκηνή.Πειραματικά, η διαδικασία είναι για τα θέματα, για να προβάλετε 1750 μαύρο και άσπρο φυσικές εικόνες που συσχετίζονται με voxel ενεργοποίηση στον εγκέφαλό τους. Στη συνέχεια, τα θέματα δει άλλες 120 εικόνες στόχο μυθιστόρημα, και τις πληροφορίες από τις προηγούμενες σαρώσεις χρησιμοποιείται ανακατασκευή τους. Φυσικά εικόνες που χρησιμοποιούνται περιλαμβάνουν εικόνες από ένα καφενείο θάλασσα και το λιμάνι, οι εκτελεστές σε ένα στάδιο, και πυκνό φύλλωμα
Άλλοι τύποι
Είναι δυνατόν να παρακολουθείτε ποια από τις δύο μορφές της rivalrous αυταπάτες κιάλια ένα πρόσωπο που βιώνουν υποκειμενικά από fMRI σήματα. Η κατηγορία της εκδήλωσης που ένα άτομο υπενθυμίζει ελεύθερα μπορεί να εντοπιστεί από fMRI πριν λένε ό, τι θυμόμαστε. Στατιστική ανάλυση του EEG brainwaves έχει αξιωθεί να επιτρέψει την αναγνώριση των φωνημάτων, και σε επίπεδο χρώματος 60% έως 75% και οπτικές λέξεις σχήμα. Έχει επίσης δειχθεί ότι ο εγκέφαλος-ανάγνωσης μπορεί να επιτευχθεί σε ένα πολύπλοκο εικονικό περιβάλλον.
Ακρίβεια
Brain-ανάγνωση ακρίβειας αυξάνεται σταθερά καθώς η ποιότητα των δεδομένων και την πολυπλοκότητα των αλγορίθμων αποκωδικοποίησης βελτιωθεί. Σε ένα πρόσφατο πείραμα ήταν δυνατόν να προσδιορίσει ποια ενιαία εικόνα γινόταν ορατό από ένα σύνολο 120. Σε μια άλλη ήταν δυνατόν να αναγνωρίζουν σωστά 90% του χρόνου ποια από τις δύο κατηγορίες το ερέθισμα ήρθε και η ειδική σημασιολογική κατηγορία (από 23) της εικόνας στόχου 40% του χρόνου
Περιορισμοί
Έχει σημειωθεί ότι, μέχρι σήμερα ότι η ανάγνωση του εγκεφάλου είναι περιορισμένη. "στην πράξη ακριβείς αναπαραστάσεις είναι αδύνατο να επιτευχθεί με οποιοδήποτε αλγόριθμο ανακατασκευής επί τη βάσει των σημάτων εγκεφαλικής δραστηριότητας αποκτήθηκαν από fMRI. Αυτό συμβαίνει διότι όλες ανακατασκευές αναπόφευκτα θα περιορίζεται από ανακρίβειες στα μοντέλα κωδικοποίησης και θόρυβο στα μετρούμενα σήματα. resultswho μας; αποδεικνύουν ότι η φυσική εικόνα είναι πριν από ένα ισχυρό (αν αντισυμβατικό) εργαλείο για τον μετριασμό των επιπτώσεων αυτών των θεμελιωδών περιορισμών. μια φυσική εικόνα πριν με μόνο έξι εκατομμύρια εικόνες είναι αρκετή για την παραγωγή ανακατασκευές που είναι δομικά και σημασιολογικά παρόμοια με μια εικόνα-στόχο
Είναι δυνατόν να παρακολουθείτε ποια από τις δύο μορφές της rivalrous αυταπάτες κιάλια ένα πρόσωπο που βιώνουν υποκειμενικά από fMRI σήματα. Η κατηγορία της εκδήλωσης που ένα άτομο υπενθυμίζει ελεύθερα μπορεί να εντοπιστεί από fMRI πριν λένε ό, τι θυμόμαστε. Στατιστική ανάλυση του EEG brainwaves έχει αξιωθεί να επιτρέψει την αναγνώριση των φωνημάτων, και σε επίπεδο χρώματος 60% έως 75% και οπτικές λέξεις σχήμα. Έχει επίσης δειχθεί ότι ο εγκέφαλος-ανάγνωσης μπορεί να επιτευχθεί σε ένα πολύπλοκο εικονικό περιβάλλον.
Ακρίβεια
Brain-ανάγνωση ακρίβειας αυξάνεται σταθερά καθώς η ποιότητα των δεδομένων και την πολυπλοκότητα των αλγορίθμων αποκωδικοποίησης βελτιωθεί. Σε ένα πρόσφατο πείραμα ήταν δυνατόν να προσδιορίσει ποια ενιαία εικόνα γινόταν ορατό από ένα σύνολο 120. Σε μια άλλη ήταν δυνατόν να αναγνωρίζουν σωστά 90% του χρόνου ποια από τις δύο κατηγορίες το ερέθισμα ήρθε και η ειδική σημασιολογική κατηγορία (από 23) της εικόνας στόχου 40% του χρόνου
Περιορισμοί
Έχει σημειωθεί ότι, μέχρι σήμερα ότι η ανάγνωση του εγκεφάλου είναι περιορισμένη. "στην πράξη ακριβείς αναπαραστάσεις είναι αδύνατο να επιτευχθεί με οποιοδήποτε αλγόριθμο ανακατασκευής επί τη βάσει των σημάτων εγκεφαλικής δραστηριότητας αποκτήθηκαν από fMRI. Αυτό συμβαίνει διότι όλες ανακατασκευές αναπόφευκτα θα περιορίζεται από ανακρίβειες στα μοντέλα κωδικοποίησης και θόρυβο στα μετρούμενα σήματα. resultswho μας; αποδεικνύουν ότι η φυσική εικόνα είναι πριν από ένα ισχυρό (αν αντισυμβατικό) εργαλείο για τον μετριασμό των επιπτώσεων αυτών των θεμελιωδών περιορισμών. μια φυσική εικόνα πριν με μόνο έξι εκατομμύρια εικόνες είναι αρκετή για την παραγωγή ανακατασκευές που είναι δομικά και σημασιολογικά παρόμοια με μια εικόνα-στόχο
http://en.wikipedia.org/wiki/Brain-reading
Καλημέρα. Η αυτόματη μετάφραση είναι χάλια. Καλύτερα θα ήταν αν έκανες περίληψη.
ΑπάντησηΔιαγραφή