用于视觉脑状态 fMRI 分类的多池化三维卷积神经网络
图像与视频处理
2023-10-20 v1 计算机视觉与模式识别
机器学习
摘要
通过功能磁共振成像（fMRI）数据对视觉物体分类进行神经解码具有挑战性，且对理解潜在脑机制至关重要。本文提出一种多池化三维卷积神经网络（MP3DCNN）以提高 fMRI 分类准确率。MP3DCNN 主要由三层 3DCNN 组成，其中第一层和第二层三维卷积各有一个池化连接分支。结果表明，该模型在类别（面孔 vs. 物体）、面孔亚类别（男性面孔 vs. 女性面孔）和物体亚类别（自然物体 vs. 人造物体）分类中，相比先前研究在解码脑机制方面将分类准确率提高了 1.684% 至 14.918%。
引用
@article{arxiv.2303.14391,
title = {Multi-pooling 3D Convolutional Neural Network for fMRI Classification of Visual Brain States},
author = {Zhen Zhang and Masaki Takeda and Makoto Iwata},
journal= {arXiv preprint arXiv:2303.14391},
year = {2023}
}