课题组简介


NICA是神经成像计算与分析(Neural Imaging Computation and Analysis)课题组的简称。本课题组利用模式识别与图像处理技术,将其应用在医学影像上,并结合临床信息加以分析,希望能够找到与特定疾病相关的影像特征,辅助医生进行早期诊断,临床治疗和预后评估。具体研究内容包括医学图像的分割、配准、可视化、形状分析和fMRI功能分析,大脑网络分析等。主要研究方向包括:

 1、脑-机接口

研发脑-机接口中多模神经信号获取新理论与新方法、并对脑-机接口中的神经信息进行解析,包括脑电的实时伪影抑制,节律波的提取与分析,基于fMRI的脑功能区定位及脑电活动时空模式分析,眼动与脑电数据的同步采集与联合分析,以及以上算法的在线实现,在此基础上实现基于虚拟现实的BCI实验平台和多模态脑-机接口原型系统及相应的软件平台。

2、基于视觉信息编解码的深度学习类脑机制研究
为了探讨深度学习的理论基础,我们将利用深度神经网络来进行视觉信息编码和解码,希望由此找到深度学习的类脑生物基础,并揭示大脑视觉计算的机制。我们拟开展以下研究:(1)基于深度学习方法对自然场景图片进行表征,并考察每个表征层是否对应特定的脑功能区,揭示深度学习表征的类脑计算基础;(2)通过深度学习进行视觉信息的神经编解码,理解人类视觉信息加工的特征空间及在大脑中的组织规律,并利用大脑的编解码分析引导视觉信息处理的深度神经网络建模;(3)采用fMRI和EEG信号的深度学习作为神经约束,挖掘图像低层特征和高层特征之间的关系,引导视频图像的特征选择,将其应用在视频图像的分类、检索和重构上。

3、基于多模态影像的医学影像大数据处理方法及其应用
结合多模态影像数据,研发基于深度学习、类脑智能的医学影像大数据处理方法,包括图像的分割、配准、脑网络分析等,并结合临床信息综合分析,寻找与特定疾病相关的影像学参数,辅助医生早期发现、临床诊断和预后评估。目前感兴趣的疾病包括弱视、青光眼等。