摘要。静息状态功能磁共振成像 (rsfMRI) 产生的功能连接组可作为个人的认知指纹。连接指纹已被证明在许多机器学习任务中很有用,例如预测特定于受试者的行为特征或任务引起的活动。在这项工作中,我们提出了一种基于表面的卷积神经网络 (BrainSurfCNN) 模型,用于根据其静息状态指纹预测单个任务对比。我们引入了重建对比损失,以加强模型输出的受试者特异性,同时最大限度地减少预测误差。所提出的方法显著提高了预测对比在完善的基线上的准确性。此外,BrainSurfCNN 的预测也超过了受试者识别任务中的重测基准。5
主要关键词
![arXiv:2008.02961v1 [cs.LG] 2020 年 8 月 7 日PDF文件第1页](/bimg/3/384b4ff1f614926e01edb0111dead43a5595f1c1.webp)
![arXiv:2008.02961v1 [cs.LG] 2020 年 8 月 7 日PDF文件第2页](/bimg/9/9d3c2a0898389b2f4de7a8082d83dd45df19ea9d.webp)
![arXiv:2008.02961v1 [cs.LG] 2020 年 8 月 7 日PDF文件第3页](/bimg/d/d466c14d6714e564a5748cde120226617fe63fd9.webp)
![arXiv:2008.02961v1 [cs.LG] 2020 年 8 月 7 日PDF文件第4页](/bimg/4/4da9d5e7955ddd51a037df5c81b52ffdf595670c.webp)
![arXiv:2008.02961v1 [cs.LG] 2020 年 8 月 7 日PDF文件第5页](/bimg/2/2432614b598b33c62188adb5a39244aacb84b5dd.webp)
