BOLD5000：一个包含 5000 张图像的公开放射功能磁共振数据集
神经元与认知
2020-01-23 v1 计算机视觉与模式识别
摘要
视觉科学，尤其是机器视觉，因大规模图像数据集和统计学习方法的引入而发生了革命性变化。然而，由于受时间限制的实验流程，人类视觉感知的神经影像研究仍依赖少量图像（约 100 张）。要将整合神经科学的统计学习方法应用起来，神经影像中所用图像数量必须大幅增加。我们提出 BOLD5000，一项包含近 5000 张描绘真实世界场景的不同图像的人体功能磁共振成像（fMRI）研究。除了相对于先前 fMRI 研究大幅增加了图像数据集规模，BOLD5000 还考虑了图像多样性，通过纳入来自 Scene UNderstanding（SUN）、Common Objects in Context（COCO）和 ImageNet 数据集的图像，与标准计算机视觉数据集重叠。这些图像数据集的规模和多样性，结合慢速事件相关 fMRI 设计，使得对广泛视觉特征、类别和语义的神经表征进行细粒度探索成为可能。同时，BOLD5000 使我们更接近实现 Marr 关于统一视觉科学的梦想——生物视觉与计算机视觉的交织研究。
引用
@article{arxiv.1809.01281,
title = {BOLD5000: A public fMRI dataset of 5000 images},
author = {Nadine Chang and John A. Pyles and Abhinav Gupta and Michael J. Tarr and Elissa M. Aminoff},
journal= {arXiv preprint arXiv:1809.01281},
year = {2020}
}
备注
Currently in submission to Scientific Data