我们引入了大脑语言模型 (BrainLM),这是基于 6,700 小时 fMRI 记录进行训练的大脑活动动力学基础模型。利用自监督掩蔽预测训练,BrainLM 在微调和零样本推理任务中表现出色。微调可以准确预测年龄、焦虑和 PTSD 等临床变量以及预测未来的大脑状态。至关重要的是,该模型可以很好地推广到训练期间未见过的全新外部队列。在零样本推理模式下,BrainLM 可以直接从原始 fMRI 数据中识别内在功能网络,而无需在训练期间进行任何基于网络的监督。该模型还生成可解释的潜在表示,揭示大脑活动模式与认知状态之间的关系。总体而言,BrainLM 提供了一个多功能且可解释的框架,用于阐明人类大脑活动的复杂时空动态。它就像一个强大的“镜头”,通过它可以以新的方式分析大量 fMRI 数据,从而实现更有效的解释和大规模利用。这项工作证明了基础模型推动计算神经科学研究的潜力。
主要关键词