19、机器学习助力生物医学成像：从散斑模式分析到大脑活动感知

机器学习助力生物医学成像：从散斑模式分析到大脑活动感知

1. 散斑模式分析用于身份认证

1.1 实验设置

为了收集用于分析的散斑数据，研究在可控的实验室环境中进行。具体步骤如下：
1. 选择受试者 ：选取了五名人类受试者参与实验。
2. 控制环境 ：为了减少背景噪音，进行散斑测量的房间被调暗。
3. 安置受试者 ：每个受试者坐在距离配备摄像头记录仪的传感器50厘米处，使用头戴设备固定面部，以记录额头区域，减少干扰和不自主的头部移动。
4. 激光照明 ：使用输出功率为770μW、波长为1550nm的激光（对眼睛安全的不可见激光）照射受试者。
5. 数据采集 ：使用MATLAB控制相机，以每秒100帧的质量拍摄视频，每个样本拍摄10秒。每个样本以三种分辨率（32×32、64×64和128×128）采集，受试者在记录过程中保持静止。
6. 多样化采集 ：为了引入数据的变异性并避免实验过程中的偏差，数据采集在不同日期进行。在一个连续的时间段内，每个受试者在七种不同的身体状况和面部表情下进行记录，包括中性、愤怒、微笑、扬眉、悲伤、额头喷水和体育锻炼后。每种情况都以上述分辨率进行记录。

1.2 方法概述

研究使用机器学习算法，特别是深度学习（DL）模型来解决身份与间接测量（如散斑模式）之间的建模问题。具体模型如下：
- 简单神经网络