講/聽故事時的腦活動模式分析

使用語言進行交流和溝通是人類的一項特殊能力。在語言交流中，傾聽者的口語理解過程與講述者的口語產生過程并非相互孤立，而是同處一個認知空間并且相互影響。按照“交互對齊”理論，語言交流是一個傾聽者與講述者在語音、語義、語法等多個表征水平上相互對齊，最后達到情境模型對齊的過程。為此，研究者發展了一種稱為“雙腦”范式的技術，可以同時考察對傾聽者和講述者在 “交流”狀態時的腦活動模式。在一項研究中，研究者采用功能磁共振成像（functional magnetic resonance imaging, fMRI）技術，分別記錄了兩名講述者和多名被試在講/聽這些故事時的腦活動數據，并測評了傾聽者對故事的理解得分。為便于后續建模與分析，采集的 fMRI數據經過了去噪等預處理，并且利用獨立成分分析（independent component analysis, ICA）將空間數據降至50維，時間離散為300個時間點（圖1中的時間序列）。實驗設計與數據相關信息如下：

一、實驗設計
研究首先招募了2名被試作為講述者。其中1名被試用漢語（CN）講述了三個不同主題（S1面試，S2爬山，S3坐飛機）的親身經歷故事，另外1名被試用蒙古語（MG）講述了一個親身經歷故事。每個故事持續時長為10分鐘。研究還招募了59名被試（都不懂蒙古語）作為傾聽者，每個被試聽了一個漢語故事（故事主題從 S1,S2,S3 中隨機分配）和一個蒙古語故事（MG）。我們采集了所有被試在上述任務過程中的 fMRI 腦活動信號，并在完成任務后測量了聽者對漢語故事的理解得分。此外，我們還采集了傾聽被試在靜息狀態（Rest，即沒有給予任何任務）下的 fMRI 腦活動信號作為數據對照。

圖1. 利用ICA降維后的 fMRI 數據（示例為1名被試聽漢語故事時的數據，所繪的是50個獨立成分中的前4個獨立成分對應的空間分布和時間序列，空間分布圖上亮度越高的區域，對該成分的貢獻越大，時間序列為該獨立成分的系數隨時間的變化，Scans 為時間次序。 ）

二、采集數據
為了便于檢驗模型的準確性，將采集到的數據分為了兩部分：訓練集和測試集。訓練集包括：2名講述者講故事時的腦活動數據；40名傾聽者分別在靜息狀態、聽漢語故事和聽蒙古語故事時的 fMRI 腦活動數據，以及他們對漢語故事的理解得分分值。測試集數據僅有另外19名被試的 fMRI腦活動數據。附件1是利用ICA降維后的 fMRI 數據，具體說明見附件3；附件2是40名傾聽者的故事理解得分，以及49名傾聽者的長時記憶能力得分和工作記憶能力得分，是通過答題的方式對傾聽者相關能力的測試得分。

請建立數學模型回答下列問題，并提交答題卡（附件4）：

分析所有被試的腦活動數據（附件1），找出對應講述和傾聽的關鍵特征，并根據這些特征判斷測試集中第51至59號被試所處的狀態（靜息狀態Rest，聽漢語故事CN或者聽蒙古語故事MG）。對于聽漢語故事的被試，進一步判別他們所聽的故事主題（S1面試，S2爬山，S3坐飛機）。

結合腦活動數據（附件1）和訓練集中被試的故事理解得分（附件2），預測第51至59號被試對所聽漢語故事的理解得分。

如同人的手指紋，人腦的某些活動特征具有高度個體內（跨狀態）穩定性和個體間差異性，能夠作為個體的身份識別指標（即神經指紋）。對于測試集中的第1至10號被試（附件1），他們聽故事時的數據和靜息狀態時的數據弄混了，請設計方法匹配同一個被試的數據。

總結

以上是生活随笔為你收集整理的2021年北京高校数学建模校际联赛题目_B的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。