基于长期短期记忆的空间时间双向类别,从视觉功能磁共振成像数据对自然动态面部表情刺激的解码
Panpan Chen1, Chi Zhang1, Bao Li1
1Henan Key Laboratory of Imaging and Intelligent Processing, Information Engineering University, Kexue Avenue, High-Tech Zone, Zhengzhou, Henan Zhengzhou 450000, China.
Cerebral cortex (New York, N.Y. : 1991)
|November 24, 2025
概括
这项研究引入了一种新的时空模型,用于从大脑活动中解码面部表情. 该模型有效地捕获动态视觉信息,与现有方法相比,显著提高解码精度.
科学领域:
- 情感神经科学是一种神经科学.
- 计算神经科学是一种计算神经科学.
- 神经成像是一种神经成像.
背景情况:
- 面部表情解码在情感神经科学中至关重要.
- 现有的模型往往忽略了视觉处理中的时间动态和双向信息流.
- 精确的解码需要复杂的模型,整合空间和时间大脑数据.
研究的目的:
- 开发和验证一个空间-时间双向长期短期记忆 (LSTM) 模型来解码面部表情.
- 通过结合时间依赖和双向信息流来解决以前模型的局限性.
- 为了提高从功能磁共振成像 (fMRI) 数据中解码面部表情的准确性.
主要方法:
- 利用一个时空双向的LSTM模型来分析多次fMRI数据.
- 模拟时间序列以捕捉视觉皮层内的时间依赖.
- 模拟视觉区域之间的双向信息流,以考虑自下而上的和自上而下的处理.
主要成果:
- 与基线和现有模型相比,拟议的模型在三个类别的面部表情中实现了显著更高的解码精度.
- 从多次响应信号 (TR 1-6) 的β估计产生了最佳性能.
- 该模型成功地捕获了视觉皮层的时间依赖性和双向空间信息.
结论:
- 开发的时空双向LSTM模型为面部表情解码提供了一种卓越的方法.
- 考虑到时间动态和双向信息流,可以提高情感神经科学中的解码性能.
- 这种模型推进了对视觉处理机制的理解,这些机制是情绪识别的基础.
