摘要：视觉工作记忆是人类信息加工的一个重要系统。它为视觉感知到视觉信息的编码过程提供了临时存储的平台,这个临时存储缓存平台使我们能够获得对于视觉场景的连贯感知,从而维持和促进我们日常活动的正常进行。由于它在认知活动中的重要性,在过去十年中吸引了许多研究者对视觉工作记忆进行了不同方面广泛的研究。但到目前为止,关于视觉工作记忆的存储机制还没有准确的定论。我们以嵌套色块作为视觉材料,通过不同任务之间正确率的比较,探讨视觉工作记忆的存储机制。为视觉工作记忆支持特征绑定提供证据。研究采用被试内设计,实验范式采用变化觉察范式。记录被试在面对不同任务情况下的正确率。检测结果用方差分析处理,并进行对比分析。结果发现正确率随着记忆项目数的增多而下降,记忆单一特征的正确率比记忆嵌套特征的正确率要高,但是记忆外部特征的正确率显著高于记忆内部特征的正确率。此结果说明嵌套色块外部特征会对内部特征造成干扰。

摘要：针对脑认知疾病的检测困难和识别准确率低等问题,将卷积神经网络的局部依赖建模能力和注意力机制的全局依赖建模能力相融合,提出了由多头注意力引导的卷积神经网络(MAGINet:Multi-Head Attention-Guided Convolutional Network),用于识别正常(NC:Normal Control)、早期轻度认知障碍(EMCI:Early Mild Cognitive Impairment)、晚期轻度认知障碍(LMCI:Late Mild Cognitive Impairment)和阿尔茨海默症(AD:Alzheimer's Disease),探索NC经MCI(EMCI和LMCI)到AD的完整演化过程。首先,将3种功能连接网络(FCN:Functional Connectivity Network)变体的互补信息进行整合,形成一个多视图学习框架。其次,在每个视图下的卷积神经网络模块中,设计了一种新的多头注意力模块,先后通过完成自注意力、通道注意力及空间注意力帮助建模全局依赖关系,弥补卷积神经网络的局部机制优化模型的性能,并证明了其有效的信息提取能力。最后,将该模型用于多个脑病分类,实验结果证明了模型的强大通用性和可重复性。