基于三维卷积神经网络的大脑fMRI信号识别方法

• 作者: 李阳 罗杰
• 来源期刊: 中国体视学与图像分析
• 学科: 工学
• 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
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 仿真与虚拟现实
• 页码范围: 191-198
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2019.24.03.002

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李阳		17	70	5.0	8.0
2	罗杰		3	0	0.0	0.0