EEG到fMRI合成受益于电极关系的注意力图
神经元与认知
2022-03-08 v1 机器学习
摘要
拓扑结构表示实体间的连接，并为复杂系统提供全面设计。当前这些结构被用于发现神经元与血流动力学活动的关联。本工作中，我们将它们与神经处理技术结合以执行回归，利用电生理活动来恢复血流动力学。为此，我们使用傅里叶特征、注意力机制、模态间共享空间以及在潜表示中融入风格。通过组合这些技术，我们提出若干模型，在静息态与基于任务的记录设定下显著优于该任务当前的最先进水平(SOTA)。我们报告了哪些EEG电极对回归任务最为相关，以及哪些关系对其影响最大。此外，我们观察到头皮处的血流动力学活动(与皮下区域相反)与所学共享空间相关。总体而言，这些结果表明EEG电极关系对于保留血流动力学活动恢复所需信息至关重要。
引用
@article{arxiv.2203.03481,
title = {EEG to fMRI Synthesis Benefits from Attentional Graphs of Electrode Relationships},
author = {David Calhas and Rui Henriques},
journal= {arXiv preprint arXiv:2203.03481},
year = {2022}
}