何 享 张笑非

（1.江苏科技大学外国语学院 镇江 212003）（2.南京大学外国语学院 南京 210023）

（3.北京工业大学信息学部 北京 100124）（4.江苏科技大学计算机学院 镇江 212003）

1 引言

词语识别是人脑认知功能诸多研究问题中的一个方向，它在文学信息和沟通系统（Literary Infor⁃mation and Communication System，LINCS）中被定义为“读者能够正确地，无误地识别书面文字的能力”，它也被称为“孤立词识别”，因为被试能够从列表中单独识别单词而不需要用于上下文帮助的相似单词。文献［1］对词语鉴别（Word Identification）和词语识别两种认知状态下的大脑活动作了比较，前者被认为是词语阅读任务，后者被认为是词语记忆任务。文献［2～3］分别研究了下颞叶和前腹侧颞叶在词语识别过程中的反应。经典神经学模型的研究发现人脑语言处理的神经网络只涉及左下额叶、左下颞、角回等少数脑区［4～6］。本文试图基于包含词语识别实验条件的fMRI数据，根据权威脑图定义的大脑皮质功能区域提取特征，利用OVR-SVM构建分类器对词语识别认知状态进行识别，从而获得词语识别分类的计算模型并对被试的认知状态进行预测。

2 研究方法

2.1 特征选择

基于fMRI数据对阅读认知状态进行预测属于思维解码Decoding［7］范畴，即根据大脑血氧水平依赖（Blood Oxygen Level Dependent，BOLD）信号的活动来预测认知实验刺激材料诱发的人脑认知状态。基于机器学习理论的多体素模式分析（Multi-voxel pattern analysis，MVPA）作为fMRI数据分析的新方法在过去几年中获得了极大的普及。通过训练分类器，MVPA对由不同认知状态调整的多体素模式进行分类［8］。因此，MVPA被认为是监督分类问题，其中分类器试图捕获fMRI活动和认知状态的空间模式之间的关系［9］。……