用于预测被试特异性 fMRI 响应的共享神经编码模型
神经元与认知
2020-07-14 v2 机器学习
摘要
fMRI 中自然范式（如观看电影）日益流行，要求多被试数据分析的新策略，例如使用神经编码模型。在本研究中，我们提出一种考虑个体水平差异的共享卷积神经编码方法。我们的方法利用多被试数据来改进由视觉或听觉刺激引发的被试特异性响应的预测。我们在来自人类连接组计划电影观看协议的高分辨率 7T fMRI 数据上展示了我们的方法，并证明相较单被试编码模型有显著改进。我们进一步证明该共享编码模型能够成功捕捉对传统基于任务的面部与场景刺激的有意义的个体差异响应。综上，我们的发现表明被试间知识迁移可有益于被试特异性预测模型。
引用
@article{arxiv.2006.15802,
title = {A shared neural encoding model for the prediction of subject-specific fMRI response},
author = {Meenakshi Khosla and Gia H. Ngo and Keith Jamison and Amy Kuceyeski and Mert R. Sabuncu},
journal= {arXiv preprint arXiv:2006.15802},
year = {2020}
}
备注
MICCAI 2020 early accepted