基于三维卷积神经网络的大脑fMRI信号识别方法

作者：罗杰; 李阳^*

来源：中国体视学与图像分析, 2019, 25(03): 191-198.

DOI：10.13505/j.1007-1482.2019.24.03.002

• 三维卷积神经网络
• 深度学习
• 视觉皮层
• 功能磁共振成像

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(f MRI)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f MRI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f MRI信号的3DCNN模型的综合性能显著优于使用一维f MRI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f MRI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。

• 单位
  北京航空航天大学