亚里士多德触觉幻觉的神经解码使用基于深度学习的fMRI分类

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 神经成像是一种神经成像.

背景情况:

• 亚里士多德的幻觉,其中一个对象被认为是两个,是一个已知的触觉现象.
• 之前的脑电图 (EEG) 研究在调查其神经基础时受到空间分辨率低的限制.
• 功能磁共振成像 (fMRI) 为探索大脑活动提供了更高的空间分辨率.

研究的目的:

• 使用fMRI识别与亚里士多德幻觉相关的特定大脑区域.
• 应用深度学习技术来分析fMRI数据以对触觉感知进行分类.
• 为了研究触觉幻觉与增强的空间分辨率的神经相关性.

主要方法:

• 收集了来自30名参与者体验亚里士多德,反向和异步触觉刺激的fMRI数据.
• 训练了四个卷积神经网络 (CNN) 模型,用于基于感知和基于刺激的分类任务.
• 使用梯度加权类激活映射 (Grad-CAM) 进行兴趣区域 (ROI) 分析.

主要成果:

• 一个简单的完全卷积网络 (SFCN) 在分类亚里士多德与亚里士多德相比方面实现了68.4%的准确性. 反向的幻觉感知.
• 美国有线电视新闻网 (CNN) 模型在分类发生与不存在的反向幻觉方面取得了80.1%的准确性.
• 基于刺激的分类准确率约为50%,表明难以区分刺激类型.
• 根据Grad-CAM分析,体感皮质和表层区域被认为是基于感知分类的突出区域.

结论:

• 与触觉幻觉相关的感知驱动的神经反应可以使用fMRI数据和CNN模型进行分类.
• Saliency 映射证实了体感皮质和表层区域在触觉幻觉感知中的参与.
• 另外一些大脑区域,包括轨道前皮层和补充运动区域,也被确定为突出区域.