一种新颖的脑解码方法：揭示脑连接的相关网络框架
计算机视觉与模式识别
2017-12-06 v1 人工智能
摘要
脑解码是认知科学中的热点，其重点在于从大脑活动中重建感知图像。基于功能磁共振成像（fMRI）信号的脑解码中，分析所收集大脑活动数据的相关性和表示活动模式是两个问题。然而，现有的相关分析方法主要关注体素的强度信息，其揭示大脑皮层中的功能连接。它们往往忽略暗示皮层内或内在连接（即结构连接）的结构信息。因此，这些方法推断出的有效连接相对片面。为此，我们提出了一种可灵活与多种模式表示模型结合的相关网络（CorrNet）框架。在 CorrNet 框架中，引入了拓扑相关以揭示结构信息。获得了丰富的关联，有助于明确潜在的有效连接。我们还分别将 CorrNet 框架与线性支持向量机（SVM）和动态演化脉冲神经元网络（SNN）结合用于模式表示，从而提供了一种解码认知活动模式的新方法。实验结果验证了我们的 CorrNet 框架的可靠性和鲁棒性，并表明该新方法在脑解码上相比可比方法取得了显著改进。
引用
@article{arxiv.1712.01668,
title = {A Novel Brain Decoding Method: a Correlation Network Framework for Revealing Brain Connections},
author = {Siyu Yu and Nanning Zheng and Yongqiang Ma and Hao Wu and Badong Chen},
journal= {arXiv preprint arXiv:1712.01668},
year = {2017}
}
备注
10 pages, 8 figures, IEEE Transactions on Cognitive and Developmental Systems(TCDS)