机构名称：
¥ 1.0
大脑动力学非常复杂，但却是理解大脑功能和功能障碍的关键。静息态功能磁共振成像数据捕获的动态是嘈杂的、高维的，而且不易解释。将这些数据降低到低维特征并关注最具预测性的特征的典型方法带有很强的假设，可能会错过底层动态的重要方面。相比之下，对经过判别训练的深度学习模型进行内省可能会在单个时间点和空间位置的层面上发现与紊乱相关的信号元素。然而，在高维低样本量数据集上进行可靠训练的难度以及由此产生的预测标记的相关性不明确，阻碍了深度学习在功能神经成像中的广泛使用。在这项工作中，我们引入了一个深度学习框架，用于从高维动态数据中学习，同时保持稳定、生态有效的解释。结果成功证明，所提出的框架能够直接从小数据中学习静息态 fMRI 的动态，并捕获预测功能和功能障碍的特征的紧凑、稳定的解释。
解释大脑动态的模型
主要关键词
相关文件推荐
