DCNN-GAN：从fMRI重建真实图像
计算机视觉与模式识别
2019-01-27 v1 图像与视频处理
摘要
通过分析人脑功能磁共振成像（fMRI）可视化感知内容一直是一个活跃的研究领域。然而，由于其高维性、复杂的维度结构以及可用样本量少，从fMRI重建真实图像仍然具有挑战性。近来随着卷积神经网络（CNN）与生成对抗网络（GAN）的发展，将多体素fMRI数据映射到复杂、真实的图像已成为可能。本文中，我们提出一种模型DCNN-GAN，结合重建网络与GAN。我们利用CNN进行分层特征提取，并利用DCNN-GAN重建更真实的图像。进行了大量实验，表明我们的方法在重建质量与计算成本上优于以往工作。
引用
@article{arxiv.1901.07368,
title = {DCNN-GAN: Reconstructing Realistic Image from fMRI},
author = {Yunfeng Lin and Jiangbei Li and Hanjing Wang},
journal= {arXiv preprint arXiv:1901.07368},
year = {2019}
}