相关实验视频
Updated: Jul 23, 2025
10:36
fMRI Validation of fNIRS Measurements During a Naturalistic Task
Published on: June 15, 2015
20.9K
自主监督预训提高了任务功能磁共振成像分类的性能
Chenwei Shi1, Yanming Wang1, Yueyang Wu1
1Center for Biomedical Imaging, University of Science and Technology of China, Hefei, Anhui, China.
Frontiers in neuroscience
|July 12, 2023
概括
自主监督学习使功能磁共振成像 (fMRI) 在小数据集上进行分析. 这种新方法显著减少了准确解码大脑活动所需的受试者数量.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 医疗成像医学成像
背景情况:
- 使用功能磁共振成像 (fMRI) 解码大脑活动在神经科学中至关重要.
- 深度学习模型对fMRI数据分析有希望,但需要广泛的数据集,而这些数据集的获取成本很高.
研究的目的:
- 为fMRI分析开发一种高效的自我监督学习算法.
- 为了使有限的fMRI数据能够准确地解读大脑活动.
主要方法:
- 提出了一个端到端的时间对比自我监督的学习算法.
- 该算法对fMRI信号进行细分,并使用与邻近 (正) 和远 (负) 对进行对比学习.
主要成果:
- 在5个人类结合体项目任务上进行预训练,使得12个受试者与100个随机模型相结合.
- 将学习转移到未经预处理的fMRI数据实现了80.2%的准确性,而随机模型失败了.
- 该模型成功地从多域任务数据集中分类了13个任务中的11个.
结论:
- 自主监督学习对于使用小且未经预处理的数据集进行fMRI分析是有效的.
- 这种方法有助于研究大脑活动与认知任务之间的相关性.
