fMRI 神经反馈学习模式可预测个人与临床特征
计算机视觉与模式识别
2022-07-01 v2
摘要
我们在功能性 MRI（fMRI）引导的自神经调控任务中获得一个人学习进展的个人特征。该特征基于：在第一次会话中给定类似的 fMRI 衍生脑状态下，预测第二次神经反馈会话中杏仁核的活动。预测由在全部训练患者队列上训练的深度神经网络做出。这一指示个人在杏仁核调控任务中进展的信号，在多个原型脑状态上聚合，随后由线性分类器分类为各种个人与临床指征。所得特征的预测能力优于先前从 fMRI 神经反馈获取个人特征的方法，并表明个人的学习模式可用作诊断工具。我们的代码已公开，数据将在符合伦理审批的前提下共享。
引用
@article{arxiv.2112.11014,
title = {fMRI Neurofeedback Learning Patterns are Predictive of Personal and Clinical Traits},
author = {Rotem Leibovitz and Jhonathan Osin and Lior Wolf and Guy Gurevitch and Talma Hendler},
journal= {arXiv preprint arXiv:2112.11014},
year = {2022}
}