10.13505/j.1007-1482.2019.24.03.002
基于三维卷积神经网络的大脑fMRI信号识别方法
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.
三维卷积神经网络、深度学习、视觉皮层、功能磁共振成像
25
TP391.4(计算技术、计算机技术)
国家自然科学基金U1809209,61671042,61403016;北京自然科学基金L182015,4172037
2019-12-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
191-198