基于 fNIRS 超扫描数据的双人性别构成与任务分类
图像与视频处理
2021-12-09 v1 计算机视觉与模式识别
机器学习
摘要
功能性近红外光谱（fNIRS）超扫描是一种新兴的神经成像应用，可测量社会互动背后细微的神经特征。研究者已评估了性别与任务类型（如合作 versus 竞争）对人际互动中脑间相干性的影响。然而，尚无工作利用基于深度学习的方法在 fNIRS 超扫描背景下提取关于性别与基于任务差异的洞见。本工作提出一种基于卷积神经网络的方法，用于一个包含 名参与者的广泛超扫描数据集的双人性别构成与任务分类。使用动态时间规整计算的脑间信号相似度作为输入数据。所提方法达到了大于 百分比的最大分类准确率，从而为探索和理解复杂大脑行为提供了新途径。
引用
@article{arxiv.2112.03911,
title = {Dyadic Sex Composition and Task Classification Using fNIRS Hyperscanning Data},
author = {Liam A. Kruse and Allan L. Reiss and Mykel J. Kochenderfer and Stephanie Balters},
journal= {arXiv preprint arXiv:2112.03911},
year = {2021}
}
备注
20th IEEE International Conference on Machine Learning and Applications