BrainCast：用于whole-brain fMRI时间序列预测的时空预测模型
计算机视觉与模式识别
2026-03-17 v1 人工智能
机器学习
摘要
功能磁性共振成像 (fMRI) 使非侵入性地探讨大脑功能成为可能，而短临床扫描时长往往导致数据质量下降和 neuroimaging 研究中统计功效受限。本文提出 BrainCast，一种专为whole-brain fMRI时间序列预测而设计的时空预测框架，以延长信息丰富的fMRI时间序列，无需额外数据获取。它将fMRI时间序列预测建模为多变量时间序列预测任务，联合建模区域兴趣点 (ROI) 内的时序动态以及ROI之间跨空间的相互作用。具体而言，BrainCast集成了空间交互感知模块，通过将每个ROI时间序列嵌入为标记来刻画ROI间的依赖性；时序特征细化模块通过在ROI级别增强fMRI时间序列的低能和高能时序成分来捕捉每个ROI内的内在神经动态；时空模式对齐模块用于组合空间和时序表示，以产生信息丰富的whole-brain特征。在Human Connectome Project的静息状态和任务fMRI数据集上的实验结果表明，BrainCast在时序预测基线方法中具有优势。此外，BrainCast扩展的fMRI时间序列改善了下游认知能力预测，凸显了在扫描时长受限的情景下，whole-brain fMRI时间序列预测带来的临床和神经科学影响。
引用
@article{arxiv.2603.13361,
title = {BrainCast: A Spatio-Temporal Forecasting Model for Whole-Brain fMRI Time Series Prediction},
author = {Yunlong Gao and Jinbo Yang and Li Xiao and Haiye Huo and Yang Ji and Hao Wang and Aiying Zhang and Yu-Ping Wang},
journal= {arXiv preprint arXiv:2603.13361},
year = {2026}
}