机构名称：
¥ 1.0
由于其复杂的性质，从fMRI数据中理解认知状态尚未全面提高。在这项工作中，理解TBI患者认知疲劳的问题已被提出为多类分类问题。我们使用卷积和LSTMS作为提取空间特征并建模fMRI扫描的4D性质的构建块构建了时空编码器模型。为了学习数据和条件的更好表示，我们使用了一种称为“对比学习”的自我监督的学习技术，用公共数据集Bold5000预先介绍了我们的编码器，并进一步微调了我们的标签数据集来预测认知疲劳。此外，我们提供了一个fMRI数据集，该数据集包含创伤性脑损伤（TBI）患者和健康对照组（HCS）的扫描，同时执行一系列标准化的N-BACK认知任务。此方法建立了一种最新技术，可以分析fMRI数据中的认知疲劳，并击败以前的方法，以不同的方式解决这一问题。此外，我们的模型进行原始fMRI扫描的能力（直接从扫描仪输出的伪影的嘈杂图像）消除了实现根据所使用的扫描仪而变化的手动信号处理管道的需求。最后，我们研究了促成CF的不同大脑区域的影响。所提出的技术在此数据集上优于最先进的方法的13％以上。
在受到创伤的受试者中检测认知疲劳...
主要关键词
相关文件推荐
