飞行员重要脑区图像处理方法技术

一种飞行员重要脑区图像处理方法，属于图像处理技术领域。本发明专利技术的目的是通过提取飞行员脑部图像获取飞行职业脑的特征，进而用来指导自主飞行无人机神经网络算法设计的飞行员重要脑区图像处理方法。本发明专利技术的步骤是：找原点，图像的运动校正，空间标准化，图像分割，提值后得到的文件中每一行是每名飞行员脑区与灰质密度线性相关的值。本发明专利技术设计出适合无人机飞行的人工神经网络，从而能够使无人机的运行更加接近飞行人员操作形态，增加了无人机的精准飞行状态，并解决现有网络的鲁棒性、迁移性、常识性，带标签的样本量大等问题。带标签的样本量大等问题。

【技术实现步骤摘要】
飞行员重要脑区图像处理方法


[0001]本专利技术属于图像处理


技术介绍

[0002]人脑是非常复杂的生物系统，拥有上千亿个神经元；神经元之间有复杂的神经纤维在突触连接，形成神经网络和主导各种脑功能的神经环路。在大脑中，每一个想法都会在整个大脑内传送带电的讯号，每一种思想都有其神经通路，它们是客观存在的，思想对身体中每一个细胞都会产生一定的影响。人工智能一直都在仿造人类脑的信息传递、加工方式等形成判断决策。
[0003]大脑神经网络有一个极有利于适应环境的特性，那就是可塑性。来自环境的刺激，包括与其他人的大脑之间的互动，都不断改变大脑的神经网络。从出生一刻起，大脑就开始探索周边的世界和环境，信息也不断地塑造大脑的结构和功能，使我们能适应环境的需求。神经网络具有高度可塑性，因此，环境引起的电活动可以主导神经网路的增生、巩固和修剪——保存合适有用的连接，剪除冗余无用的连接。所以，经过多年飞行训练的飞行员的成长经历，都储存在神经网络的结构之中，长时间的用进废退塑造了不同的大脑结构和网络连接，形成有利于飞行的性格和认知能力。
[0004]人脑约有1000亿个神经元，一个神经元能够通过突触与其他平均若干个神经元进行信息传递，形成神经环路和通路。神经递质是在神经元之间传递信息的信使，前一个神经元的轴突末梢的突触释放神经递质到细胞间隙，下一神经元的树突突触的神经递质受体接收到足够强度的神经递质后打开离子通道，调控钠钾等离子通道，将化学信号转化为电信号在神经元内部传递，进而使信息传递下去，产生脑的高级功能。
[0005]大脑中信息的传递与交流就是这样通过电化信号得以实现。这些电化信号沿大脑纤维(神经轴突)并在接受细胞纤维(神经元树突)的某个特殊节点(神经元突触)聚合，实现信息的传递。多个神经元构成功能不同神经环路。
[0006]长时间、高强度的训练会导致特定脑区的灰质密度、体积和/或灰质区域表面可变性的改变，也可能导致胼胝体区域白质的量发生改变。因此。可以通过某一职业脑的智慧迁移给人工智能，使得人工智能天然具有某一职业素养。
[0007]目前的人工智能技术缺乏通用性，任务不同采用的不同模型和学习数据，两种不同的任务无法采用同一套系统进行学习，而人脑却采用同一个信息处理系统进行自动多模态感知、信息整合、问题分析与求解、决策和行为控制等。人工智能是否能够可持续发展，关键在于机器学习的算法是否有突破，从依赖有标记的大数据和高计算能力提升为可以学习不需标记的少量和多模态数据，而且还可以像人脑一样高效节能，这是从专用人工智能转变为通用人工智能的关键。谁能首先研发出这些新一代机器学习的算法，并能在计算器件中实现算法，谁就能在未来人工智能领域抢占先机。
[0008]卷积网络模仿人类视觉对不同特征在不同的地方处理的特征，用不同的模板提取不同的特征，免去了机器学习人为提取特征的步骤。人类视觉感知处理按照解剖学结构分
为前视皮层处理、初级视皮层处理和高级视皮层处理：前皮层处理包括视网膜处理和外膝体LGN 处理；初级视皮层处理包括SOC滤波处理、视皮层第6层处理、视皮层第4层、视皮层第2、 3层的双极细胞；高级视皮层处理包括V4区的表面填充以及V3区的表面轮廓处理。

技术实现思路

[0009]本专利技术的目的是通过提取飞行员脑部图像获取飞行职业脑的特征，进而用来指导自主飞行无人机神经网络算法设计的飞行员重要脑区图像处理方法。
[0010]本专利技术利用这些脑区的主要功能和脑区间物理连接、以及信号传递的方向指导无人机自主飞行神经网络设计，其步骤是：S1、找原点的方法：打开飞行员的经过格式转换后的Niffit格式的T1结构像，再参考MNI152标准图像的原点位置，找准原点位置，在前联合处，记住这个位置，给出一个图像，对准这个位置，把坐标原点放上去；S2、图像的运动校正确定好原点后，前联合与后联合所在的线为Y轴，调整飞行员头部的核磁图像角度来校正图像方向，即头运动校正；经过三个角度的旋转，新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：其中：yaw偏航角；pitch俯仰角；roll滚转角；S3、空间标准化：空间标准化即是一个配准的过程，配准过程中要进行线性和非线性配准 (1)线性配准就是在做仿射变换，是线性操作，仿射变换包括旋转，平移，缩放和错切，三个坐标平面和标准图像的三个坐标平面对照确定旋转、缩放和平移的参数，再应用到图像的变换上(2)非线性配准是在对线性配准后的图像进行扭曲和变形操作，将被试图像的脑沟和其他结构对到同一模板上，非线性配准后不同被试的脑形状和组织形状和解剖位置已经变得一致，即相同空间坐标对应的解剖位置一致；非线性配准主要采用对三个坐标平面
投影变换成二维图像，通过二维图像特征点匹配，确定好变换的参数，再通过矩阵乘法来实现非线性配准；S4、图像分割空间标准化后，进行组织分割成灰质，白质，脑脊液，和剥了头骨的标准化的脑部图像，VBM 处理完成后，结果文件夹中有六个文件，分别是：原图，记录校正信息文件，标准化灰质图，标准化白质图，记录灰质、白质、脑脊液总体积文件，剥头骨&校正&空间标准化后的图；S5、提值对剥脑&标准化校正后的T1图提出各个脑区的值，空间标准化后，脑区都放在标准脑区的各个空间中，这时候提出的每个脑区的值是一个与密度线性相关的值，密度大小说明个体脑区相对标准脑区的体积大小，值大说明这个脑区通过长期的使用而变得发达；提值后得到的文件中每一行是每名飞行员脑区与灰质密度线性相关的值。本专利技术采集具有多年飞行经历的飞行员在静息状态下的脑部图像，经过脑图区域的处理校正后获得飞行员与普通人差异显著的脑区，以及脑区间的物理连接及信号传递的先后次序，设计出适合无人机飞行的人工神经网络，从而能够使无人机的运行更加接近飞行人员操作形态，增加了无人机的精准飞行状态，并解决现有网络的鲁棒性、迁移性、常识性，带标签的样本量大等问题。
附图说明
[0011]图1是结构像分析过程；图2是MNI152标准脑模板；图3是原点位置图；图4是头动校正示意图；图5是线性配准示意图；图6是线性配准和非线性配准图像对照图；图7是标准化示意图；图8是组织分割示意图；图9是组织分割结果文件夹中的文件示意图；图10是与普通人比较飞行员脑区变化排序图；图11是三个特征值和特征向量图；图12是扩散张量的标量指标图；图13是各个张量指标图像图；图14是纤维跟踪结果的冠状位、矢状位、轴状位图；图15是随机取2个被试的120个脑区彼此之间的纤维连接的连接矩阵图；图16是平均连接矩阵图；图17是神经网络示意图；图18是AAL2飞行员重要脑区的网络连接图；图19是一个卷积模板的计算实施；图20是三个卷积模版计算方法；
图21是池化实施；图22是激活函数图。
具体实施方式
[0012]本专利技术主要思路是：通过对目前最先进的脑科学研究手段——头本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞行员重要脑区图像处理方法，其特征在于：利用这些脑区的主要功能和脑区间物理连接、以及信号传递的方向指导无人机自主飞行神经网络设计，脑区图像处理步骤是：S1、找原点的方法：打开飞行员的经过格式转换后的Niffit格式的T1结构像，再参考MNI152标准图像的原点位置，找准原点位置，在前联合处，记住这个位置，给出一个图像，对准这个位置，把坐标原点放上去；S2、图像的运动校正确定好原点后，前联合与后联合所在的线为Y轴，调整飞行员头部的核磁图像角度来校正图像方向，即头运动校正；经过三个角度的旋转，新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：新的坐标与原坐标系坐标之间的关系：其中：yaw偏航角；pitch俯仰角；roll滚转角；S3、空间标准化：空间标准化即是一个配准的过程，配准过程中要进行线性和非线性配准(1)线性配准就是在做仿射变换，是线性操作，仿射变换包括旋转，平移，缩放和错切，三个坐标平面和标准图像的三个坐标平面对照确定旋转、缩放和平移的参数，再应用到图像的变换上(2)非线...

【专利技术属性】
技术研发人员：赵秀影，魏子彭，魏静元，
申请(专利权)人：中国人民解放军空军航空大学，
类型：发明
国别省市：