-
题名脑状态解码的可解释深度学习新框架
- 1
-
-
作者
卢梅丽
高资成
郭兆桦
-
机构
天津职业技术师范大学信息技术工程学院
-
出处
《天津职业技术师范大学学报》
2024年第1期54-60,共7页
-
基金
国家自然科学基金资助项目(62171312)
天津市教委科研计划项目(2020KJ114).
-
文摘
针对功能磁共振成像(functionmagneticresonanceimage,fMRI)的脑状态解码未充分挖掘fMRI的时间特征,且需要依赖专家知识进行特征提取的问题,从深度学习可解释性的角度提出一种基于任务态fMRI的智能脑状态解码新框架,先设计基于Inception结构的三维卷积神经网络(Inception-CNN)对任务态fMRI进行分类,再结合类激活映射算法解释分类结果与大脑不同脑区的功能相关性,并提出改进的细粒度类激活算法GuidedScore-CAM,采用遮掩校验法验证类激活映射可视化算法的有效性。对所提出的解码框架在4种不同的任务态功能磁共振成像数据中进行测试,结果表明:Inception-CNN分类模型准确度达98%,类激活可视化能够准确映射到分类结果对应的功能脑区,可有效解码大脑任务状态。
-
关键词
Inception-CNN
任务态功能磁共振图
Guided
Score-CAM
遮掩检验
-
Keywords
Inception-CNN
task state functional magnetic resonance imaging
Guided Score-CAM
masking test
-
分类号
TD18
[矿业工程—矿山地质测量]
-
