通过图神经网络解码视觉类别的功能网络
计算机视觉与模式识别
2026-04-01 v1
摘要
理解大规模脑网络如何表示视觉类别是将感知与皮层组织联系起来的关键问题。我们利用来自 Natural Scenes 数据集的高分辨率 7T fMRI 数据构建了 parcel-level 功能图，并训练了一个带符号图神经网络 (signed Graph Neural Network)，该网络模型正向和负向相互作用，并配备稀疏边掩码和类别特定的显著性标记。该模型准确解码了类别特定的功能连接状态（体育项目、食物、交通工具），并揭示了沿背侧和纵贯视觉通路的可重复且具有生物学意义的亚网络。该框架将机器学习与神经科学结合起来，通过扩展基于体素的类别选择性，实现了基于连接性的视觉处理表征。
引用
@article{arxiv.2603.28931,
title = {Decoding Functional Networks for Visual Categories via GNNs},
author = {Shira Karmi and Galia Avidan and Tammy Riklin Raviv},
journal= {arXiv preprint arXiv:2603.28931},
year = {2026}
}
备注
Accepted for publication in IEEE International Symposium on Biomedical Imaging (ISBI) 2026