基于深度学习的t-fMRI脑状态解码

针对传统方法在解码大脑状态中由特征提取带来的可重复性差和耗时问题,采用基于3D卷积神经网络(3D-CNN)模型对任务态功能磁共振成像(t-fMRI)进行分类,从不同数据粒度分别采用梯度加权类激活映射(GradCAM)算法和导向梯度加权类激活映射(Guided Grad-CAM)算法探索分类结果与大脑不同脑区的功能相关性。采用4种不同t-f MRI数据验证算法的有效性,结果显示:3D-CNN分类模型准确度达97.8%,特征可视化能够准确映射到分类结果对应的功能脑区,且可有效解码大脑任务状态。