基于频率特定多带注意力的 fMRI 脑动力学时空学习
神经元与认知
2025-06-18 v2 人工智能
摘要
理解大脑复杂非线性动力学如何产生认知功能仍是神经科学的核心挑战。尽管大脑功能动力学在时间尺度上表现出无尺度和多 fractal 特性，但常规神经影像分析方法假设线性和平稳性，无法捕捉频率特定的神经计算。本文引入了 Multi-Band Brain Net (MBBN)，这是首个显式建模从 fMRI 中提取的频率特定时空脑动力学的 transformer-based 框架。MBBN 将生物学上基于频率的分解与多带自注意力机制相结合，使我们能够发现此前难以检测到的频率依赖网络相互作用。该模型在包括英国博物馆、ABCD 和 ABIDE 在内的三个大型队列中（总计 49,673 名个体）上进行训练，为预测精神疾病和认知结果（抑郁、ADHD、自闭症）树立了新的研究新极，分类任务中性能提升最高可达 52.5%。频率分辨分析揭示了疾病特有的信号：在 ADHD 中，高频前额-传感运动连接减弱，运算区感觉运动节点成为动态枢纽；在 ASD 中，轶枢区-感觉运动电路显示局部高频失调，并在颞-枕联合区和前额皮层之间增强超低频耦合。通过将尺度感知的神经动力学与深度学习相结合，MBBN 提供了更精确、更可解释的生物标志物，为精密精神医学和发展神经科学开辟了新途径。
关键词
引用
@article{arxiv.2503.23394,
title = {Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications},
author = {Sangyoon Bae and Junbeom Kwon and Shinjae Yoo and Jiook Cha},
journal= {arXiv preprint arXiv:2503.23394},
year = {2025}
}