DCBAN:一个动态的信心贝叶斯适应网络,用于从fMRI信号中重建视觉图像
Wenju Wang1, Yuyang Cai1, Renwei Zhang1
1College of Publishing, University of Shanghai for Science and Technology, Shanghai 200093, China.
Brain sciences
|November 27, 2025
概括
本研究引入了一种新的动态信心贝叶斯适应网络 (DCBAN),用于从功能磁共振成像 (fMRI) 数据中重建视觉图像,显著提高图像质量和稳定性.
科学领域:
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 目前的功能磁共振成像 (fMRI) 驱动的视觉图像重建方法存在结构忠实性,概括性和自然性差.
- 挑战特别出现在复杂的视觉刺激场景中.
研究的目的:
- 开发一种先进的深度学习模型,用于从fMRI信号中高准确度的视觉图像重建.
- 为了提高结构准确性,概括能力和重建图像的自然性.
主要方法:
- 提出了一个动态信心贝叶斯适应网络 (DCBAN),结合深嵌套的单值值分解来进行细粒度特征提取.
- 引入了贝叶斯适应分数回归模块,用于动态调整参数的调整.
- 开发了一个动态信任自适应扩散模型模块,具有适应语义注入的信任网络和时间衰变.
主要成果:
- 在自然景观数据集 (NSD) 上,DCBAN实现了最先进的性能.
- 在PixCorr (8.41%),Incep (0.6%) 和CLIP (4.8%) 中表现明显优于现有方法.
- 证明了优越的结构和语义fMRI视觉图像重建质量.
结论:
- 拟议的DCBAN提供了一种新且有效的解决方案,用于从fMRI数据中进行视觉图像重建.
- 与以前的方法相比,显著提高了重建图像的稳定性和生成质量.


