3D面具自编码器与时空变压器用于4DfMRI数据的建模

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 功能磁共振成像 (fMRI) 对神经科学至关重要,但由于高维度和噪声,它存在挑战.
• 从fMRI数据中提取时空特征对于理解大脑功能和识别疾病至关重要.

研究的目的:

• 为 fMRI 数据分析提出一个与时空变压器 (MAE-ST) 集成的新型 3D 蒙面自动编码架构.
• 通过自主监督学习,有效地提取时空特征和绘制功能性大脑网络.

主要方法:

• 该MAE-ST模型采用自我监督的学习方法,部分数据被掩盖.
• 它使用视觉变压器 (ViT) 和时间变压器模块来进行空间和时间特征提取.
• 解码器重建fMRI序列,隐性变量作为网络估计的时间特征.

主要成果:

• MAE-ST模型在HCP和ADHD-200数据集上的任务唤起和休息状态大脑网络映射方面表现出卓越的性能.
• 使用MAE-ST的分类管道超过了现有的脑疾病识别方法.
• 该模型在构建数据驱动的大脑图谱和计算功能连接方面表现出有效性.

结论:

• MAE-ST模型为4D fMRI数据中的全球特征提取提供了一个强大的框架,它结合了蒙面自动编码器和变压器.
• 这种方法增强了功能性大脑网络建模和大脑疾病识别.
• 该研究强调了MAE-ST在推进神经科学研究和临床应用方面的潜力.