首页 > TAG信息列表 > fMRI
基于变分自编码器的静息态fMRI数据的表征学习
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 静息状态功能性磁共振成像(rsfMRI)数据显示出复杂但结构化的模式。然而，在rsfMRI数据中，潜在的起源是不清楚的和纠缠的。在这里，我们建立了一个变分自编码器（VAE），作为一个生成模型可用无监督学习训练，以解开rsfMRI活动的未知fMRI脑影像特征提取——静息态与任务态，ALFF/fALFF和ReHo
| 图源 任务态和静息态是大脑的两种状态，前者主要是指大脑在执行记忆、识别以及运动等具体任务时的状态，静息态则是指大脑不执行具体认知任务、保持安静、放松、清醒时的状态，是大脑所处的各种复杂状态中最基础和最本质的状态。任务态fMRI分析有非常悠远的历史，而静息态fMRIPNAS：浅前馈神经网络识别fMRI功能连接指纹图谱
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 尽管个体受试者可以通过静息态功能MRI(rsfMRI)数据计算的相关矩阵进行高精度识别，但随着扫描时间的减少，识别性能显著下降。循环神经网络可以在短持续时间(72 s)的数据段中获得较高的精度，但其被设计为使用不存在于相关矩论文阅读——EC-GAN: Inferring Brain Effective Connectivity via Generative Adversarial Networks.(AAAI 2020)
Liu, Jinduo, et al. "EC-GAN: Inferring Brain Effective Connectivity via Generative Adversarial Networks." Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 34. No. 04. 2020. 论文网址：https://ojs.aaai.org/index.php/AAAI/article/viewAcute Nicotine Administration Increases BOLD fMRI Signal in Brain....Neuropsychopharmacology,2015
Acute Nicotine Administration Increases BOLD fMRI Signal in Brain regions involved in reward signaling and compuslive drug intake in rats (2015) Bruijnzeel A W, Alexander J C, Perez P D, et al. Acute nicotine administration increases BOLD fMRI signal in b网络心理学未来分支——人工智能心理学
心理学从建立之初研究人类外在的行为表现到现在研究人类心理的本质——人类的大脑活动，其发展是伴随着科学技术手段的不断发展，从最开始的电生理记录到脑磁图（MEG）、脑电（EEG），再到现在最常见的核磁共振成像技术（fMRI）、近红外等，技术手段的发展帮助心理学科实现了飞跃式的发展，要知道从第126天：Seaborn-可视化统计关系
大数据一直是近几年来比较火爆的方向，作为想接触大数据的你，就不得不了解 seaborn。它是当下 Python 非常流行的数据可视化库，可以绘制出美观且有价值的图形。用一句话总结就是对于大数据从业人员来说，具备数据可视化的能力非常重要的，因为我们面对的客户或上司将更多地依赖于视觉提学习笔记｜spm fmri model estimation报错：There are no significant voxels.——Debug记录
问题描述：1st level跑完之后针对该步骤生成的SPM.mat进行模型估计，报错如下图 备注一下，我收了20个被试，报错的大概占一半，所以有的能跑完estimation，并不是所有都报错，所以debug很没头绪。就从头到尾都检查了一遍。 ; figure; imshow(Image, [ ]); 1-2 读取dicom图像并查看图像相关信息： imfomation = dicominfo('fMRI.dcm'); %%直接获得图像信息