用于跨个体解码的快速全脑几何感知功能对齐
Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding
浏览论文内容
中文总结 AI 辅助
研究旨在解决个体大脑反应差异限制跨个体解码器发展的问题，提出功能对齐方法SpectralOT，将皮质几何嵌入拉普拉斯 - 贝尔特拉米本征模式规范对齐，以平衡功能特征与解剖结构，保持计算效率。
中文摘要 AI 辅助
解码大脑活动有助于表征大脑过程和理解认知背后的功能结构。然而，个体间大脑反应模式的差异限制了跨个体通用解码器的发展。功能对齐是应对这一挑战的解决方案：在训练群体级解码器之前对齐个体间的功能数据。核心问题是在对齐功能特征和保留解剖结构之间取得平衡，同时保持计算效率。我们引入了一种用于功能磁共振成像的新功能对齐方法SpectralOT，它将皮质几何嵌入沿功能数据的拉普拉斯 - 贝尔特拉米本征模式以规范对齐。
英文摘要
Decoding brain activity is useful for characterizing brain processes and understanding the functional architecture underlying cognition. However, the inter-individual variability in brain response patterns limits the development of decoders that generalize across individuals. A solution to this challenge is functional alignment: aligning functional data across individuals before training population-level decoders. The core issue is to strike the balance between aligning functional features and preserving the anatomical structure, while maintaining computational efficiency. We introduce a new functional alignment method for fMRI, SpectralOT, that embeds cortical geometry into Laplace-Beltrami eigenmodes along functional data to regularize the alignment.
发表机构
- Université Paris-Saclay（巴黎-萨克雷大学）
- Inria（法国国家信息与自动化技术研究院）
- CEA（法国原子能委员会）
- Cognitive Neuroimaging Unit（认知神经成像单位）
- Institut National de la Santé et de la Recherche Médicale（法国国家卫生与医学研究院）
- Commissariat à l’Energie Atomique et aux énergies alternatives（法国原子能委员会及替代能源委员会）
- NeuroSpin center（神经科学中心）
- Institut de neuromodulation（神经调制研究所）
- Université Paris Cité（巴黎-城市大学）
机构由 AI 辅助整理，请以论文原文为准。
