视觉是人类获取外界信息最重要的途径,约80%的信息由视觉获得。人类的视觉识别能力对其成长和学习等诸多方面都具有重大意义,而其背后的神经机制更是学术界一直以来的研究热点。在神经科学研究领域中,视觉专家是指在视觉识别方面能够对某类物体进行快速准确地分类和鉴定的人,其在视觉识别方面的行为表现非常稳定且优于常人。因此,视觉专家常作为研究人类视觉识别的对象。然而关于视觉专家的分类及大脑表征研究还存在着很大空白,如何更好地定义视觉专家的生物学特征还有待深入地研究。随着基于模式识别技术的多变量方法被广泛应用于神经影像数据分析,两者结合的优势为视觉专家的大脑状态分类及其表征研究带来了很大的希望。在此基础上,本文针对于静息态功能磁共振成像数据,采用模式识别方法对视觉专家的大脑状态进行分类研究,并以此来重点探究视觉专家大脑的生物标记及工作机制,这将对视觉专家大脑的可塑性研究及人类成长和学习的研究具有重大的推动作用。本文的研究工作和创新点总结如下:首先,本文以影像医师作为视觉专家来开展研究。不同于以往的单尺度特征提取及分类方法,本文采用多尺度特征融合来进行分类研究,探究是否可以通过多尺度特征的优化组合来定义视觉专家大脑的信息表征。该研究采集了 62名实习医生的rs-fMRI数据,其中影像医师组为31名影像科实习生,正常对照组为31名其它科室的实习生。基于Brainnetome246图谱提取了局部一致性、低频波动振幅和度中心性三个尺度下的区域平均特征并融合,设计了基于递归特征消除的包裹式方法对特征进行选择,采用线性支持向量机分类器和留一法交叉验证策略对两组被试样本进行分类。实验结果发现:多尺度特征融合对影像医师大脑状态分类的分析效果比单尺度特征更好,可以更精确地将两组人区分开来,其准确率、特异性和灵敏度均为100%。经过特征筛选,最终发现了 22个最重要的的多尺度特征,进一步进行脑区定位分析,研究结果表明:影像医师和非专家在负责视觉信息加工、语义处理、长期记忆及注意力的脑区表征有显著不同,如右侧颞中回2,右侧枕叶腹中皮层5,右侧枕叶外皮层3,右侧颞下回1和右侧海马旁回5等。其次,针对以上样本数据,本文提出了一种不同于以往局部特征分析的分类方法。该方法采用功能连接特征来进行分类研究,探究是否可以通过功能连接特征的优化组合来定义视觉专家大脑的信息表征。基于Brainnetome246图谱提取了基于全脑区域的功能连接特征,使用最小绝对收缩选择算子方法对特征进行选择并采用线性支持向量机分类器和留一法交叉验证策略对两组被试样本进行分类。实验结果发现:功能连接特征对影像医师大脑状态分类的分析效果显著,可以很精确地将两组人区分开来,其准确率、特异性和灵敏度分别为91.94%、83.87%和100%。经过特征筛选,最终发现了 8个最重要的功能连接特征,共涉及到14个脑区。进一步分析表明:影像医师和非专家在负责视觉信息加工、长期记忆和高级认知的脑区功能连接表征有显著不同。其中海马旁回区域有着多个功能连接的参与,是个需要重点关注的脑区。