通过时空卷积神经网络(ST-CNN)建模四维fMRI数据
计算机视觉与模式识别
2021-03-24 v3
摘要
从四维fMRI数据中同时建模脑功能网络的时空变化模式，一直是认知神经科学与医学图像分析领域一个重要且具有挑战性的问题。受近期深度学习在功能性脑解码与编码中成功应用的启发，本工作提出一种时空卷积神经网络(ST-CNN)，从训练数据中联合学习目标网络的空间与时间模式，并实现自动、精准的功能网络识别。所提出的ST-CNN通过从fMRI数据中识别默认模式网络(DMN)的任务进行评估。结果表明，尽管该框架仅在一个fMRI数据集上训练，它仍具有充分的泛化能力，能够从不同人群的数据以及不同的认知任务中识别DMN。对结果的进一步探究表明，ST-CNN的优越性能源于其联合学习机制，该机制捕捉了DMN空间与时间特征之间的内在关联，从而确保了识别的准确性。
引用
@article{arxiv.1805.12564,
title = {Modeling 4D fMRI Data via Spatio-Temporal Convolutional Neural Networks (ST-CNN)},
author = {Yu Zhao and Xiang Li and Wei Zhang and Shijie Zhao and Milad Makkie and Mo Zhang and Quanzheng Li and Tianming Liu},
journal= {arXiv preprint arXiv:1805.12564},
year = {2021}
}
备注
Yu Zhao and Xiang Li contribute equally to this work