PulseAugur
中
实时 14:56:41
English(EN) Rhamba: Region-Aware Hybrid Attention-Mamba Framework for Self-Supervised Learning in Resting-State fMRI

Rhamba框架整合了注意力机制和Mamba模型，用于fMRI自监督学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Rhamba，一个用于静息态fMRI数据自监督学习的新型框架。该框架结合了区域感知掩码和混合注意力-Mamba架构，以改进神经影像数据的分析。在ABIDE数据集上的实验以及在COBRE和ADHD-200数据集上的微调表明，Rhamba，特别是Mamba-Attention配置，在区分精神分裂症和ADHD等病症方面，相比现有方法取得了更优越的性能。 AI

影响 引入了一个新的神经影像分析框架，有望提高神经系统疾病的诊断能力。

排序理由 这是一篇研究论文，详细介绍了使用自监督学习分析fMRI数据的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

Rhamba框架整合了注意力机制和Mamba模型，用于fMRI自监督学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ruthwik Reddy Doodipala, Pankaj Pandey, Pratheek Eranki, Carolina Torres-Rojas, Manob Jyoti Saikia, Ranganatha Sitaram ·

    Rhamba：用于静息态fMRI自监督学习的区域感知混合注意力-Mamba框架

    arXiv:2605.01240v1 Announce Type: new Abstract: Self-supervised pretraining is promising for large-scale neuroimaging, yet the impact of region-aware masking and hybrid sequence modeling remains underexplored. In this work, we introduce Rhamba, a region-aware pretraining framewor…

相关实体

相关话题