CNeuroMod-THINGS, un conjunto de datos de resonancia magnética funcional muestreado de forma densa para la...

Área de la Ciencia:

• Neurociencia
• Inteligencia Artificial
• Ciencias Cognitivas

Sus antecedentes:

• El modelado neuro-IA exige conjuntos de datos de neuroimagen extensos.
• Iniciativas existentes como THINGS y CNeuroMod proporcionan recursos valiosos.

Objetivo del estudio:

• Crear un conjunto de datos de resonancia magnética funcional a gran escala y muestreado de forma densa (CNeuroMod-THINGS) para la modelización neuro-IA.
• Capturar las representaciones neuronales de diversos conceptos semánticos utilizando imágenes bien caracterizadas.
• Aprovechar las sinergias entre los proyectos THINGS y CNeuroMod.

Principales métodos:

• Cuatro participantes se sometieron a 33-36 sesiones de resonancia magnética funcional cada uno.
• Se empleó un paradigma de reconocimiento continuo utilizando 4320 imágenes del conjunto de estímulos THINGS (720 categorías).
• Se recopilaron métricas conductuales y de neuroimagen para garantizar la calidad de los datos.

Principales resultados:

• El conjunto de datos CNeuroMod-THINGS proporciona datos de resonancia magnética funcional de alta calidad.
• El conjunto de datos permite el estudio de las representaciones neuronales de una amplia gama de conceptos semánticos.
• Soporta la investigación en entornos controlados y naturalistas.

Conclusiones:

• CNeuroMod-THINGS amplía la capacidad de modelado de la visión humana.
• El conjunto de datos facilita los avances en neuro-IA al proporcionar datos neuronales ricos.
• Demuestra el valor de integrar iniciativas de investigación existentes a gran escala.