注意力与解码：基于注意力模型的 4D fMRI 任务状态解码
计算机视觉与模式识别
2021-01-20 v2
摘要
功能磁共振成像（fMRI）是一种神经成像模态，可在受试者休息或在不同条件下执行多种功能任务时捕获其大脑中的血氧水平。给定 fMRI 数据，推断任务的问题（称为任务状态解码）由于数据固有的高维性（每个数据数百百万采样点）和复杂的时空血流模式而具有挑战性。在本工作中，我们提出将 fMRI 任务状态解码问题视为 4D 时空分类问题来解决。我们提出了一种称为脑注意力与解码（BAnD）的新颖架构，其使用残差卷积神经网络进行空间特征提取，并使用自注意力机制进行时间建模。我们在来自大规模人类连接组计划-年轻成人（HCP-YA）数据集的 7 任务基准上相比先前工作取得了显著性能提升。我们还研究了 BAnD 提取特征在未见 HCP 任务上的可迁移性，方法包括冻结空间特征提取层并重新训练时间模型，或微调整个模型。BAnD 的预训练特征在相似任务上是有用的，而微调它们可在未见任务/条件上产生有竞争力的结果。
引用
@article{arxiv.2004.05234,
title = {Attend and Decode: 4D fMRI Task State Decoding Using Attention Models},
author = {Sam Nguyen and Brenda Ng and Alan D. Kaplan and Priyadip Ray},
journal= {arXiv preprint arXiv:2004.05234},
year = {2021}
}