探索使用卷积神经网络来理解电影观看期间的大脑激活
Wonbum Sohn1,2, Xin Di1, Zhen Liang3
1Department of Biomedical Engineering, New Jersey Institute of Technology, Newark, NJ, 07029, USA.
bioRxiv : the preprint server for biology
|February 8, 2024
概括
像VGG-16这样的深度神经网络将视频特征与大脑活动联系起来. 下层映射到视觉区域,而更深层连接到复杂的认知区域,揭示了对大脑功能的洞察力.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 认知科学 认知科学
背景情况:
- 神经成像研究使用自然刺激 (例如视频) 来理解在社会互动等复杂任务期间的大脑激活.
- 自然刺激的复杂性使得将特定的大脑激活与更高层次的认知功能联系起来具有挑战性.
- 深度神经网络 (DNN),特别是卷积神经网络 (CNN),提供了对分析复杂视觉数据有价值的层次特征提取方法.
结论:
- 像VGG-16一样,CNN可以将层次视觉特征映射到不同的大脑区域和网络.
- 这项研究证明了使用DNN来解码大脑对复杂视觉刺激的反应的潜力.
- 确定了CNN在将视频内容与特定的大脑功能和处理层次结构联系起来时的承诺和局限性.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
09:36Extracting Visual Evoked Potentials from EEG Data Recorded During fMRI-guided Transcranial Magnetic Stimulation
Published on: May 12, 2014
13.8K
