自然功能大脑网络的同时建模:一个四维多模式的时空空间混合注意力卷积神经网络 (MSTHA-4DCNN).

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 医疗成像医学成像

背景情况:

• 了解大脑功能依赖于使用fMRI建模全脑功能网络 (FBNs).
• 现有的浅层和深层模型难以同时提取多个FBN,并充分利用4D fMRI数据功能.

研究的目的:

• 提出一个新的多模式时空混合注意力4D CNN (MSTHA-4DCNN) 模型.
• 通过利用4D fMRI数据特征,同时捕捉多个FBN的时空模式.

主要方法:

• 该MSTHA-4DCNN模型集成了多模式空间注意4D CNN (MSA-4DCNN) 进行空间模式提取.
• 多模式时间指导注意网络 (MT-GANet) 模拟由空间模式指导的时间表征.
• 该模型在自然主义fMRI数据集上进行了训练,并在Cam-CAN数据集上进行了验证.

主要成果:

• MSTHA-4DCNN展示了有前途的性能和一般化能力.
• 该模型有效地同时识别了FBN的时空模式.
• 在FBN识别方面,MSTHA-4DCNN的性能优于现有的最先进的模型.

结论:

• MSTHA-4DCNN为分析复杂的神经过程提供了一个强大的工具.
• 该模型推进了从4D fMRI数据中同时提取多个FBN.
• 这种方法通过改进的时空网络分析来增强我们对大脑功能的理解.