結構化神經信息解碼技術重建自然及人臉圖像

結構化神經信息解碼技術重建自然及人臉圖像

中國科學院自動化研究所類腦智能研究中心神經計算與腦機交互團隊何暉光等人提出一種結構化神經解碼模型，實現了根據腦活動模式進行自然圖像、人臉等復雜視覺刺激的高質量重建。相關成果發表于IEEE Transactions on Neural Networks and Learning Systems。論文通過多任務特征解碼的方式揭示了多個典型計算機視覺模型（如VGG、ResNet）與人腦腹側視覺通路在層次化特征表達方面的聯系。通過高效結構化地利用這種層次化特征與人腦視覺皮層信號表達之間的關系，根據采集到的少量人腦fMRI數據清晰重建出被試所感知到的復雜自然圖像和人臉刺激內容。

深度學習解決功能磁共振缺損信號修復難題

鄭州大學人民醫院王梅云團隊與清華大學醫學院洪波團隊、航天航空學院李路明團隊、哈佛大學醫學院Martinos影像中心劉河生團隊合作，采用深度學習方法重建個體大腦缺損的血氧水平依賴信號。相關論文發表于Nature Communications。新方法不僅可以修補大腦皮層網絡的連接圖譜，還可以實現信號缺損腦區功能磁共振激活時間序列的單幀重建，實現了對大腦激活磁共振信號在時間和空間上的完整重建。該方法在信號序列波動一致性、功能網絡連接圖譜相似性、個體大腦功能網絡特異性等方面，都達到了良好的性能指標。植入磁共振兼容腦起搏器的帕金森患者，腦功能圖像通過該方法實現了準確修復。

機器學習駕駛行為數據識別大五人格

中國科學院心理研究所行為科學重點實驗室朱廷劭研究組與寶馬中國合作，使用數據記錄儀采集了5種傳輸至控制器局域網絡的車載傳感器數據，利用駕駛行為數據結合機器學習，實現對大五人格特質的自動識別，具有更高的生態效度，而且侵入性更小。相關論文發表于Journal of Advanced Transportation。該研究通過訓練機器學習模型，并采用了10折交叉驗證。結果顯示，對于大五人格的五個維度，預測模型對各個維度的預測得分與自我報告得分之間的相關性可以達到中等到強相關水平（0.56？0.88）。論文提供了一種新的測量駕駛員人格特質的方法，結果表明駕駛模式可以很好地表征大五人格特質。

基于余數相機的高動態范圍成像技術

北京大學人工智能研究院施柏鑫研究團隊采用深度學習的方法對余數圖像進行恢復進而獲取高動態范圍圖像。相關論文發表于NeurIPS 2020。該方法將恢復算法設計為一個雙模塊的神經網絡，把余數圖像到高動態范圍圖像的恢復過程當作一個迭代的二元標記問題來處理。其中，恢復算法將所預測的二元標記模板的值是否為零作為依據，來判斷是否輸出具有高動態范圍的恢復結果。研究發現，余數圖像的特殊邊緣能為迭代恢復過程提供更詳細的語義信息，可以更好地緩解非余數區域的誤解情況，呈現對比度和色彩表現更佳的恢復結果。該方法有望為單幀八比特高動態范圍成像提供原理和性能上達到全新高度的解決方案。

新發帕金森中序列工作記憶損傷的神經基礎

中國科學院腦科學與智能技術卓越創新中心（神經科學研究所）、中國科學院靈長類神經生物學重點實驗室葉錚研究組與北京大學第三醫院張英爽團隊和北京大學心理與認知科學學院周曉林研究組合作，完成丘腦底核在新發帕金森病序列工作記憶中的作用研究。相關成果發表于Movement Disorders。該研究利用功能磁共振成像、認知心理檢測和神經心理評估等技術，揭示了丘腦底核在序列工作記憶中的調節作用，以及丘腦底核的異常激活與帕金森病序列工作記憶損傷的關系，提示下調丘腦底核的激活和上調丘腦底核與紋狀體之間的功能連接可能是改善帕金森病患者序列工作記憶的潛在策略。

模式分析與人工智能領域研究進展

南京大學工程管理學院李華雄、陳春林、周獻中等和山西大學計算機與信息技術學院錢宇華合作開展模式分析與人工智能相關研究。相關論文發表于IEEE Transactions on Pattern Analysis and Machine Intelligence。機器學習與數據挖掘是人工智能研究的核心領域之一。該研究從噪聲信息的低秩與稀疏結構精準刻畫角度開展研究，通過引入非凸函數建立混合范數以提升傳統L1與核范數度量性能，更為精準地描述噪聲信息的低秩與稀疏結構。同時結合距離先驗信息，構建具有判別性的監督回歸系數正則項，采用交替方向乘子法（ADMM）設計優化模型的快速求解算法。該方法在魯棒人臉識別等任務中，獲得了同等實驗條件下多種經典方法對比的最優性能。

人工智能及互聯網醫院在疫情防控中的落地應用研究

中山眼科中心林浩添教授和林曉峰教授團隊通過對2020年2月1日到3月13日的逾三萬線上問診和近兩萬線下問診進行大數據分析，并與2019年同期比較，發現線上醫院在慢病管理、術后復診、在線開設處方、緩解患者不適導致的焦慮情緒等場景，有較大的應用價值。相關論文發表于Ophthalmology。分析發現，不同年齡層有明顯的需求區別：青年線上問診主要以眼部不適癥狀咨詢為主（18？34歲，60.4%），中老年人則以續簽處方藥為主（>55歲，63.5%）。線上咨詢病種分析發現，2020年線上問診量以眼表疾病居首，區別于2020年的線下問診（視網膜病變）和2019年的線下問診（屈光異常）。

揭示知覺訓練干預計算障礙及其認知機制

北京師范大學認知神經科學與學習國家重點實驗室周新林教授研究團隊開展了關于發展性計算障礙的知覺訓練干預的研究。相關成果發表于Developmental Science。當兒童經常觀察物體的不同數量時，雖然這個過程看起來沒有任何數字的參與，但其實對于數字計算是非常有益的。適當地讓孩子參與一些數量估計相關的益智游戲或訓練（如小豬收蘋果游戲）可能是一項有效的訓練方案，有助于培養兒童的數學能力。研究結果提示，形狀知覺能力在數學學習中起著重要的調節作用，在DD兒童的數學教育教學中，需要更加重視學生基本認知能力的發展，重視符號視覺形狀加工的作用，提高DD兒童對數學符號的形狀表征與加工能力。