相关实验视频
Updated: Sep 15, 2025
10:27
Training Synesthetic Letter-color Associations by Reading in Color
Published on: February 20, 2014
23.0K
尼克利普:神经成像对比的语言图像预训模型,用于从大脑激活图像中预测文本
Julio A Peraza1, James D Kent2, Thomas E Nichols3
1Department of Physics, Florida International University, Miami, FL, USA.
bioRxiv : the preprint server for biology
|July 15, 2025
概括
新的人工智能模型NiCLIP从大脑活动地图准确预测认知任务. 该工具通过使用大型语言模型来增强神经图像元分析,以实现更好的功能解码.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 认知科学 认知科学
背景情况:
- 从大脑激活地图预测认知过程是一个长期存在的挑战.
- 当前的元分析方法在神经成像数据中与语义上下文作斗争.
- 大型语言模型 (LLM) 和对比学习提供了新的解决方案.
研究的目的:
- 介绍NiCLIP,一种用于功能解码的新型对比的语言图像模型.
- 从大脑激活模式预测认知任务,概念和领域.
- 在神经成像中推进定量功能解码.
主要方法:
- 在超过23,000篇神经科学文章上训练了一个CLIP模型,用于文本与大脑的关联.
- 利用精心调整的LLM,包括BrainGPT模型.
- 使用人类连接组项目数据和认知本体学评估NiCLIP.
主要成果:
- 从小组级激活地图,NiCLIP可以准确地预测各个领域 (情绪,语言,运动) 的认知任务.
- 使用全文文章和精心策划的认知本体学来提高性能.
- NiCLIP精确地描述了像杏仁体和海马体这样的大脑区域的功能作用.
- 在杂的主体级激活地图中观察到的局限性.
结论:
- NiCLIP代表了定量功能解码的重大进步.
- 该模型为神经成像研究中的假设生成提供了一个强大的工具.
- 未来的工作可能会解决对主体级数据的限制.
更多相关视频
10:33Correlating Behavioral Responses to fMRI Signals from Human Prefrontal Cortex: Examining Cognitive Processes Using Task Analysis
Published on: June 20, 2012
12.9K
13:12Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping
Published on: August 12, 2019
45.8K
