PulseAugur
实时 21:40:32
English(EN) Scaling Vision Transformers for Functional MRI with Flat Maps

研究人员使用平面图将 Vision Transformers 应用于 fMRI 分析

研究人员开发了一系列名为 CortexMAE 的新模型,通过将 3D 体积投影到 2D 平面图上来适配 Vision Transformers 分析功能性磁共振成像(fMRI)数据。该方法在超过 2000 小时的 fMRI 数据上进行了测试,显示出幂律缩放特性,并催生了首个用于 fMRI 基础模型(名为 Brainmarks)的开放评估套件。虽然模型在受试者级别特征预测方面存在困难,但与先前的方法相比,它们在认知状态解码方面显示出显著的改进。 AI

影响 引入了分析医学影像数据的新方法,有望提高诊断能力和对大脑功能的理解。

排序理由 该集群包含一篇详细介绍用于 fMRI 数据分析的新型模型架构和评估套件的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究人员使用平面图将 Vision Transformers 应用于 fMRI 分析

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Connor Lane, Mihir Tripathy, Leema Krishna Murali, Ratna Sagari Grandhi, Shamus Sim Zi Yang, Sam Gijsen, Debojyoti Das, Manish Ram, Utkarsh Kumar Singh, Cesar Kadir Torrico Villanueva, Yuxiang Wei, Will Beddow, Gianfranco Cort\'es, Suin Cho, Daniel Z. Kap ·

    Scaling Vision Transformers for Functional MRI with Flat Maps

    arXiv:2510.13768v2 Announce Type: replace Abstract: We study the problem of training self-supervised foundation models for functional MRI. Our main contributions are: (1) we introduce a new model family (CortexMAE) trained using the masked autoencoder framework on 2.1K hours of o…