基于三维卷积神经网络的大脑fMRI信号识别方法

摘要：

目的 利用深度学习方法根据大脑的视觉皮层的功能磁共振成像(fMRI)信号可靠的识别出视觉刺激的类别.方法 本文构建了一种三维卷积神经网络模型(3DCNN)从三维立体的fMRI信号中提取信号的空间特征,然后对视觉刺激的类别进行预测.结果 使用三维fMRI信号的3DCNN模型的综合性能显著优于使用一维fMRI信号的BP神经网络和支持向量机,3DCNN的平均预测精度达到了82.90％,而BP神经网络和支持向量机的平均预测精度分别为80.65％和80.43％.结论 3DCNN可以有效利用fMRI信号中多体素之间的空间信息,对视觉刺激的类别进行可靠的预测.

关键词：三维卷积神经网络、深度学习、视觉皮层、功能磁共振成像

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金U1809209,61671042,61403016;北京自然科学基金L182015,4172037

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：191-198